一种基于深度集成学习的运渣车活动水平短时预测方法

本发明公开了一种基于深度集成学习的运渣车活动水平短时预测方法，具体为：首先是研究数据的获取以及预处理，包括轨迹点获取、停驻点筛选、流量统计、网格降采样和活动水平阈值设定；其次构建时空特征，包括地理依赖性、语义依赖性、时间依赖性和时间周期性；最后建立运渣车活动水平短时预测模型，规定相应的基模型、集成策略和损失函数，完成运渣车活动水平短时预测。本发明为重污染期间的运渣车管控提供了科学的决策支持，有效地指导相关部门进行精细化管理，从而缓解与运渣车相关的空气污染问题。