基于数据驱动 U-Net 模型的大气污染物扩散快速预测，提升计算速度近6000倍
01
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。
02
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
03
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。
图2 U-Net 网络图
▎核心代码
import paddleimport paddle.nn as nnimport paddle.nn.functional as Ffrom 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Encoderdef 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Decoderdef 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()04
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
05
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。
06
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