一种多模态强化学习驱动的PM2.5化学组分垂直廓线反演系统及方法

本发明公开了一种多模态强化学习驱动的PM2.5化学组分垂直廓线反演系统及方法，其中：系统包括深度强化学习模型；深度强化学习模型包括状态空间、Action动作空间、奖励函数、Actor网络和Critic网络；深度强化学习模型用于根据Action动作空间输出的PM2.5各化学组分浓度的垂直廓线预测值与实际监测值间的差异，结合奖励函数，计算当前时刻的奖励值；根据策略评估的评估结果，利用梯度下降方法持续进行策略迭代，直至待深度强化学习模型收敛后，得到最优的目标深度强化学习模型。采用Actor‑Critic网络动态优化策略，结合边缘计算实现分钟级模型更新，解决了传统模型高空盲区、实时性不足等问题。