项目背景
当前，常见的大气污染预测模型大多是基于物理机理构建的，比如空气质量预测模型 Calpuff、AERMOD、CMAQ 等。然而，这些模型运算较为复杂，对于输入数据的要求非常高，运算耗时也比较长，适合用于常规固定区域的预报。当遇到突发污染事件时，就无法有效发挥作用。
针对以上问题，本项目以某城区 3km*3km 范围的固定模拟区域，根据污染物扩散模型，快速计算任意释放点源和任意风向的污染物扩散动图，并进行精度评估。仅利用城市局部污染物扩散云图作为输入，使用深度学习模型提取图像中污染物扩散的特征，纯数据驱动，无需建立物理模型，预测耗时短，适合作为突发污染扩散事件时的应急处置决策辅助。
项目需求
课题名称
基于数据驱动的污染物扩散深度学习模型案例
课题需求
外部单位提供数据集，总数据集详细描述：120 个动图数据（3 个风速*5 个释放源点位 * 8 个风向）。选取其中任意 1 个动图的数据，基于数据驱动类模型（模型不限制）提取数据特征，得到污染物扩散模型，可对污染物扩散进行预测。
- 项目地址
https://aistudio.baidu.com/aistudio/projectdetail/5663515
实现过程
数据集
我们选择了风速 15m/s，风向正北，Pos_0 作为污染源释放点的动图数据，数据来源于某城区 3km*3km 范围的固定区域内污染物扩散 CFD 模拟结果（南京欧帕提亚公司提供），共 745 秒 148 张污染物浓度云图，两张图片时间间隔 5 秒。
基于飞桨 2.4.0 的开发环境，在对动图解压之后，我们发现动图解压得到的 181 张静态图片中第 148 张之后的图片存在明显的图像抖动。我们采用了基于 Harris 角点检测的图像对齐算法进行处理，但是图像抖动没有得到完全消除。为了保证模型输入数据的质量，我们丢弃了第 148 张之后的静态图片。
图1 原始数据
U-Net 网络模型
网络模型如图 2 所示，其由 3 个 Encoder/Decoder、9 个卷积 Conv、9 个反卷积 Conv-T 组成，约 30 万个训练参数。之所以选择 U-Net，是因为该网络在图像分割和目标识别中应用广泛，污染物扩散模式学习可以看作是一种动态的目标识别任务，只不过目标的形态比较抽象；另一个原因是 U-Net 的代码实现较简单，短时间内可以完成网络的搭建。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LEHNfl7B-1687247631447)(https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/99680ddcbcd54560afb36c56f8c13efe~tplv-k3u1fbpfcp-zoom-1.image “wps_doc_3.png”)]
图2 U-Net网络图
核心代码
import paddle
import paddle.nn as nn
import paddle.nn.functional as F
from paddle.nn.utils import weight_norm
# 创建基础卷积层
def create_layer(in_channels, out_channels, kernel_size, wn=True, bn=True,
activation=nn.ReLU, convolution=nn.Conv2D):
assert kernel_size % 2 == 1
layer = [ ]
conv = convolution(in_channels, out_channels, kernel_size, padding=kernel_size // 2)
if wn:
conv = weight_norm(conv)
layer.append(conv)
if activation is not None:
layer.append(activation())
if bn:
layer.append(nn.BatchNorm2D(out_channels))
return nn.Sequential(*layer)
# 创建Encoder中的单个块
def create_encoder_block(in_channels, out_channels, kernel_size, wn=True, bn=True,
activation=nn.ReLU, layers=2):
encoder = [ ]
for i in range(layers):
_in = out_channels
_out = out_channels
if i == 0:
_in = in_channels
encoder.append(create_layer(_in, _out, kernel_size, wn, bn, activation, nn.Conv2D))
return nn.Sequential(*encoder)
# 创建Decoder中的单个块
def create_decoder_block(in_channels, out_channels, kernel_size, wn=True, bn=True,
activation=nn.ReLU, layers=2, final_layer=False):
decoder = [ ]
for i in range(layers):
_in = in_channels
_out = in_channels
_bn = bn
_activation = activation
if i == 0:
_in = in_channels * 2
if i == layers - 1:
_out = out_channels
if final_layer:
_bn = False
_activation = None
decoder.append(create_layer(_in, _out, kernel_size, wn, _bn, _activation, nn.Conv2DTranspose))
return nn.Sequential(*decoder)
# 创建Encoder
def create_encoder(in_channels, filters, kernel_size, wn=True, bn=True, activation=nn.ReLU, layers=2):
encoder = [ ]
for i in range(len(filters)):
if i == 0:
encoder_layer = create_encoder_block(in_channels, filters[i], kernel_size, wn, bn, activation, layers)
else:
encoder_layer = create_encoder_block(filters[i - 1], filters[i], kernel_size, wn, bn, activation, layers)
encoder = encoder + [encoder_layer]
return nn.Sequential(*encoder)
# 创建Decoder
def create_decoder(out_channels, filters, kernel_size, wn=True, bn=True, activation=nn.ReLU, layers=2):
decoder = []
for i in range(len(filters)):
if i == 0:
decoder_layer = create_decoder_block(filters[i], out_channels, kernel_size, wn, bn, activation, layers,
final_layer=True)
else:
decoder_layer = create_decoder_block(filters[i], filters[i - 1], kernel_size, wn, bn, activation, layers,
final_layer=False)
decoder = [decoder_layer] + decoder
return nn.Sequential(*decoder)
# 创建网络
class UNetEx(nn.Layer):
def __init__(self, in_channels, out_channels, kernel_size=3, filters=[16, 32, 64], layers=3,
weight_norm=True, batch_norm=True, activation=nn.ReLU, final_activation=None):
super().__init__()
assert len(filters) > 0
self.final_activation = final_activation
self.encoder = create_encoder(in_channels, filters, kernel_size, weight_norm, batch_norm, activation, layers)
decoders = [ ]
# for i in range(out_channels):
decoders.append(create_decoder(out_channels, filters, kernel_size, weight_norm, batch_norm, activation, layers))
self.decoders = nn.Sequential(*decoders)
def encode(self, x):
tensors = [ ]
indices = [ ]
sizes = [ ]
for encoder in self.encoder:
x = encoder(x)
sizes.append(x.shape)
tensors.append(x)
x, ind = F.max_pool2d(x, 2, 2, return_mask=True)
indices.append(ind)
return x, tensors, indices, sizes
def decode(self, _x, _tensors, _indices, _sizes):
y = [ ]
for _decoder in self.decoders:
x = _x
tensors = _tensors[:]
indices = _indices[:]
sizes = _sizes[:]
for decoder in _decoder:
tensor = tensors.pop()
size = sizes.pop()
ind = indices.pop()
# 反池化操作，为上采样
x = F.max_unpool2d(x, ind, 2, 2, output_size=size)
x = paddle.concat([tensor, x], axis=1)
x = decoder(x)
y.append(x)
return paddle.concat(y, axis=1)
def forward(self, x):
x, tensors, indices, sizes = self.encode(x)
x = self.decode(x, tensors, indices, sizes)
if self.final_activation is not None:
x = self.final_activation(x)
return x
训练
训练时输入数据为上一时刻的污染物云图，输出为预测的下一时刻的污染物云图。当前的训练 batch-size 为 1，即只预测下一时刻的污染物扩散情况。训练时，每 10 个 epoch 保存一次模型，防止训练意外中断时模型参数丢失。
# 训练方法
def train(model, train_dataset, criterion, optimizer, device, num_epochs):
loss_history = [ ]
epoch_loss = 0
# 遍历批次
for epoch in range(num_epochs):
optimizer.clear_grad()
for batch_id in range(len(train_dataset)-1):
inputs = train_dataset[batch_id]
outputs_true = train_dataset[batch_id+1]
inputs = T.ToTensor()(inputs)
inputs = paddle.unsqueeze(inputs, 0)
outputs_true = T.ToTensor()(outputs_true)
outputs_true = paddle.unsqueeze(outputs_true, 0)
# 训练
outputs = model(inputs)
# 计算损失值
loss = criterion(outputs, outputs_true)
if batch_id % 10 ==0:
print('epoch:',epoch,'batch_id:',batch_id,'loss:',loss.numpy())
loss.backward()
epoch_loss += loss.item()
optimizer.step()
epoch_loss /= len(train_dataset)
loss_history.append(epoch_loss)
print("Epoch [{}/{}], Loss: {:.8f}".format(epoch + 1, num_epochs, loss.numpy()[0]))
# 保存模型
if epoch % 10 == 0:
save_model(model, '/home/aistudio/pollution_model.pdparams')
print("Training complete.")
return loss_history
预测
预测时，输入测试数据某时刻的污染物扩散云图，预测下一时刻的污染物扩散情况。测试函数中 supervise 这个 flag 为后续连续预测多个时刻的数据预置了接口。目前 supervise 置为 true，当模型预备连续预测多个时刻数据时，测试时将 supervise 置为 false。
def test():
# 初始化结果列表
results = [ ]
# 测试集合起始点
inputs = test_dataset[0]
inputs = T.ToTensor()(inputs)
inputs = paddle.unsqueeze(inputs, 0)
# 是否supervise
flag_supervise = True
device = paddle.set_device('gpu' if paddle.is_compiled_with_cuda() else 'cpu')
# 加载模型
model = UNetEx(3,3,3)
load_model(model,'/home/aistudio/pollution_model.pdparams',device)
for num in range(1,10):
# 进行预测
outputs = model(inputs)
outputs_np = outputs.numpy()
outputs_np = np.squeeze(outputs_np, axis=0) # 去除第一个维度（batch_size）
outputs_np = np.transpose(outputs_np, (1, 2, 0)) # 将通道维度调整为最后一个维度
outputs_np = (255 * np.clip(outputs_np, 0, 1)).astype('uint8')
#outputs_np = outputs_np.transpose([1, 2, 0])
#outputs_np_uint8 = (outputs_np * 255).astype(np.uint8)
# 将预测结果添加到结果列表中
results.append(outputs_np)
if flag_supervise == False:
# 将预测结果作为下一帧的输入
inputs = outputs
else:
# 使用真实数据预测
inputs = test_dataset[num+1]
inputs = T.ToTensor()(inputs)
inputs = paddle.unsqueeze(inputs, 0)
return results
results = test()
项目成果
图3 计算函数损失值
图4 对比 CFD 模拟参数对比
图5 残差值对比
如图 5 所示，浓度误差主要集中在污染源附近（如图红色框），主要数值分布在-0.02~0.02 之间。不同颜色分别代表不同浓度区间误差，蓝色表示的低浓度相对误差较小，绿色红色表示的中高浓度误差平均误差较高，绿色区域表征的中等浓度区域，偏大的误差影响的面积较大。
图6 数值对比
未来发展方向
预测能力方面
-
基于前一时刻的污染物浓度云图，预测后十个时刻、二十个时刻，四十个时刻的污染物浓度云图；
-
尝试用多时刻预测多时刻。
网络方面
-
尝试引入更先进的网络架构，如 transformer；
-
对于网络层数和每层网络的神经元个数，尝试进行敏感性分析和误差分析；
-
尝试引入更多种类的激活函数如 tanh，silu 等；
-
尝试对 learning rate、batch size 等超参数进行调整实验。
物理原理方面
-
尝试引入物理先验知识，对建筑、边界位置施加 loss 软约束；
-
尝试利用流体 NS 方程对模型进行修正。
模型方面
-
尝试引入更多参数作为输入：如污染源位置、污染源初始浓度等提高模型的适应能力；
-
增加模型参数量级，探索大模型对复杂多态问题的处理能力；
-
尝试和传统流体求解方法进行融合。
项目意义与心得
本项目尝试用 U-Net 网络通过污染物扩散云图来学习污染物扩散的模型参数，对污染物扩散进行快速预测，是数据驱动计算场景拓展的一次探索。从项目结果来看，模型计算速度相比 CFD 模拟提升明显，但是模型预测的效果还有待提升，未来将通过探索以上几个方向，不断优化模型预测效果。项目实现过程中，我们花费了大量的时间处理背景存在抖动的图像，直到后来发现有一部分数据集的质量要远远好于另一部分，我们选择放弃质量不好的数据，从而加快了项目的进展。
数据处理过程中有以下几个方面的心得。
第一，对项目的数据应该第一时间进行全局探索，了解数据的全貌，对数据质量进行评估；
第二，与其花费大量的时间处理质量不好的数据，不如先使用质量较好的数据，优先做对模型取得进展更加关键的事情；
第三，相对于改变模型的结构，提高输入数据的质量对模型的训练结果起到更加积极的作用。一些开源模型的效果无法复现的原因在于训练数据的不公开，即便大家都用到同样结构的网络，但是训练数据不同，模型取得的效果就大不相同。从这个角度看，模型参数是训练数据在网络上留下的压缩信息，训练数据存在的瑕疵很难通过优化网络来解决。
飞桨 AI for Science 共创计划为本项目提供了强大的技术支持，打造活跃的前瞻性的 AI for Science 开源社区，通过飞桨 AI for Science 共创计划，学习到了如何在飞桨平台上使用科学计算的 AI 方法去解决 CFD 模拟预测的问题，并且大幅度提高了数据驱动计算的速度。相信未来会有越来越多的项目通过 AI for Science 共创计划建立产学研闭环，推动科研创新与产业赋能。
相关地址
- 飞桨 AI for Science 共创计划
https://www.paddlepaddle.org.cn/science
- 飞桨 PPSIG-Science 小组
https://www.paddlepaddle.org.cn/specialgroupdetail?id=9
- 飞桨 PaddleScience 工具组件
https://github.com/PaddlePaddle/PaddleScience
![[PyTorch][chapter 43][时间序列表示方法1]](https://img-blog.csdnimg.cn/6203bc9d3ade432c91fc63c5e3768157.png)
