本发明涉及神经网络机器学习领域，特别是涉及一种粉尘浓度预警方法及计算机存储介质和终端设备。
背景技术：
1、在当前工业快速发展的背景下，粉尘环境下的工作场所数量显著增加，由此带来的健康问题和事故风险日益突出。长期在高粉尘环境中工作，工人面临尘肺病和呼吸系统疾病等职业病的威胁，严重损害了劳动者的健康。此外，粉尘积聚引发的爆炸和火灾事故对生产安全构成了重大威胁，同时，粉尘排放对周边环境造成污染，破坏生态平衡，影响可持续发展。鉴于上述背景，粉尘环境预警系统应运而生，其核心目标是通过实时监测粉尘浓度，及时发现潜在的健康和安全风险，从而采取有效措施预防事故，保护劳动者健康，保障生产安全，同时减少对环境的污染。预警系统通过早期预警，促使企业采取措施降低粉尘暴露，有效减少职业病的发生率，增强生产安全性，降低生产事故率，保障生产连续性和效率。同时，减少粉尘排放，改善周边环境质量，促进可持续发展，减少因事故和健康问题导致的直接和间接经济损失，提高企业生产效率和竞争力。
2、尽管粉尘环境预警技术在保护劳动者健康和提高生产安全方面发挥了重要作用，但仍存在一些挑战和问题需要解决，如实时性与响应速度：在某些情况下，预警系统的实时性和响应速度可能不足以及时避免突发事故，尤其是在粉尘浓度急剧变化的环境中，提前预警、防范于未然显得尤为重要。
3、因此，如何提高粉尘预警的实时性和响应速度，做到提前识别、提早预防，是该领域亟待解决的技术问题。
技术实现思路
1、为解决上述技术问题，本发明提供一种粉尘浓度预警方法，包括：
2、构建并训练以过去若干时间点的历史浓度数据为输入，是否发出预警结果为输出的预警模型，包括输入特征提取模块、预测模块、时序特征提取模块和预警输出模块；
3、输入特征提取模块，用于输入过去若干时间点的历史浓度数据，以提取历史特征；
4、预测模块，与输入特征提取模块的输出连接，用于输入历史特征，并据此预测，得到未来若干时间点的预测浓度数据；
5、时序特征提取模块，与输入特征提取模块的输入和预测模块的输出连接，用于输入过去若干时间点的历史浓度数据和未来若干时间点的预测浓度数据，以提取时序特征；
6、预警输出模块，与时序特征提取模块的输出连接，用于输入时序特征，并据此输出预警结果；
7、获取当前场景过去若干时间点的历史浓度数据，并输入训练好的预警模型，确定是否发出预警。
8、进一步地，模型构建过程中，输入特征提取模块，包括：第一卷积层、第一池化层和隐藏层；
9、第一卷积层，用于输入过去若干时间点的历史浓度数据，并提取历史浓度数据的局部特征；
10、第一池化层，其输入与第一卷积层的输出连接，用于降低局部特征尺寸，以提取局部特征的关键特征；
11、隐藏层，其输入与第一池化层的输出连接，用于学习特征间的复杂关系，以提取历史特征。
12、进一步地，预测模块，包括：第二卷积层、第二池化层和第一全连接层；
13、第二卷积层，其输入与隐藏层的输出连接，用于提取历史特征的更高级特征；
14、第二池化层，其输入与第二卷积层的输出连接，用于降低更高级特征尺寸，以提取更高级特征的关键特征；
15、第一全连接层，其输入与第二卷积层的输出连接，用于将前面层提取的特征进行整合，用于最终的回归任务，得到未来若干时间点的预测浓度数据。
16、进一步地，时序特征提取模块，包括第三卷积层、随机失活层、残差单元、第四卷积层和第三池化层；
17、第三卷积层，其输入与第一卷积层的输入和第一全连接层的输出连接，用于输入过去若干时间点的历史浓度数据和未来若干时间点的预测浓度数据，以生成综合特征；
18、残差模块，其输入与输入特征提取模块的输出连接，其输出与随机失活层的输入连接，以将历史特征传递至随机失活层；
19、随机失活层，其输入与第三卷积层的输出和残差模块的输出连接，用于输入历史特征和综合特征，并做预处理得到融合特征；
20、第四卷积层，其输入与随机失活层的输出连接，用于输入处理后的融合特征，进一步提取该融合特征的更深层次特征；
21、第三池化层，其输入与第四卷积层的输出连接，用于降低更深层次特征的空间尺寸，得到最终的时序特征。
22、进一步地，预警输出模块，包括第二全连接层，用于根据时序特征，完成最终的分类任务，输出0或1；其中0表示不预警，1表示预警。
23、进一步地，第一卷积层包括n个通道；第三卷积层，包括n+m个通道，分别用于输入一个时间点的历史浓度数据或一个时间点的预测浓度数据；每个通道根据时间点的先后，对临近当前时间的历史浓度数据或/和预测浓度数据配置更高的权重系数；n为历史浓度数据的时间点个数；m为预测浓度数据的时间点个数。
24、进一步地，模型训练过程中，预测模块的回归损失函数选用平均绝对误差mae，预警输出模块的分类损失函数选用对数双曲余弦log-cosh。
25、进一步地，整个模型损失函数为：
26、l=2×mae+log-cosh。
27、另一方面，本发明还提供一种计算机存储介质，存储有可执行程序代码；所述可执行程序代码，用于执行上述任意的粉尘浓度预警方法。
28、另一方面，本发明还提供一种终端设备，包括存储器和处理器；所述存储器存储有可被处理器执行的程序代码；所述程序代码用于执行上述任意的粉尘浓度预警方法。
29、本发明提供的粉尘浓度预警方法及计算机存储介质和终端设备，先通过历史浓度数据提取历史特征，在此基础上通过预测模块预测未来一段时间的预测浓度数据；再结合二者，输入时序特征提取模块，以提取历史浓度数据和预测浓度数据结合的时序特征；最后根据该时序特征，输出预警结果。不仅能够提高粉尘浓度预警的准确性，而且能够实时监控、提前预警，通过提前识别和预警潜在粉尘危险，为企业和监管提供有力支撑，大大提高了其实时性和响应速度，做到提前预警、防范于未然。
1.一种粉尘浓度预警方法，其特征在于，包括：
2.根据权利要求1所述的粉尘浓度预警方法，其特征在于，模型构建过程中，输入特征提取模块，包括：第一卷积层、第一池化层和隐藏层；
3.根据权利要求2所述的粉尘浓度预警方法，其特征在于，预测模块，包括：第二卷积层、第二池化层和第一全连接层；
4.根据权利要求3所述的粉尘浓度预警方法，其特征在于，时序特征提取模块，包括第三卷积层、随机失活层、残差单元、第四卷积层和第三池化层；
5.根据权利要求4所述的粉尘浓度预警方法，其特征在于，预警输出模块，包括第二全连接层，用于根据时序特征，完成最终的分类任务，输出0或1；其中0表示不预警，1表示预警。
6.根据权利要求5所述的粉尘浓度预警方法，其特征在于，第一卷积层包括n个通道；第三卷积层，包括n+m个通道，分别用于输入一个时间点的历史浓度数据或一个时间点的预测浓度数据；每个通道根据时间点的先后，对临近当前时间的历史浓度数据或/和预测浓度数据配置更高的权重系数；n为历史浓度数据的时间点个数；m为预测浓度数据的时间点个数。
7.根据权利要求1-6任意一项所述的粉尘浓度预警方法，其特征在于，模型训练过程中，预测模块的回归损失函数选用平均绝对误差mae，预警输出模块的分类损失函数选用对数双曲余弦log-cosh。
8.根据权利要求7所述的粉尘浓度预警方法，其特征在于，整个模型损失函数为：
9.一种计算机存储介质，其特征在于，存储有可执行程序代码；所述可执行程序代码，用于执行权利要求1-8任意一项所述的粉尘浓度预警方法。
10.一种终端设备，其特征在于，包括存储器和处理器；所述存储器存储有可被处理器执行的程序代码；所述程序代码用于执行权利要求1-8任意一项所述的粉尘浓度预警方法。
