1.一种扬尘颗粒物飘移轨迹模型的建模方法，其特征在于，包括如下步骤：

1)数据预处理阶段：预处理数据；

所述数据预处理阶段包括如下步骤：

1.1)数据查重阶段：通过连表查询，筛除站点设备重复上传的扬尘数据；

1.2)风速处理阶段：根据扬尘数据中的风速和风向参数，计算风速的横向分量和纵向分量，具体执行步骤如下：

1.2.1)根据风向计算其与大地平面坐标轴夹角θ；

1.2.2)计算风速V：

u＝V cos(θ)，v＝V sin(θ)；

其中u表示横向分量,v表示纵向分量；

1.3)地理坐标高斯投影阶段：通过高斯投影计算把站点经纬度坐标(L，B)坐标转化为高斯坐标(x，y)，其中L为大地经度、B为大地纬度；具体执行步骤如下：

1.3.1)根据经纬度计算中央子午经度、带号以及经度差，模型选用3°带中央子午线，步骤如下：

1.3.1.1)计算3°带带号n3：n3＝int(L/3+0.5)；

1.3.1.2)计算3°带带号n3的中央子午线L0：L0＝3n3；

1.3.1.3)计算经度差l：l＝L‑L0；

1.3.2)根据椭球的选择计算子午弧长X；模型选取克拉索夫斯基椭球进行计算：X＝111134.861B‑16036.480sin2B+16.828sin4B‑0.022sin6B；

1.3.3)计算高斯坐标正算公式中各个参数的值，其中，B为大地纬度，t为大地维度正切值，e为椭圆偏心率，N为卯西圈曲率半径，a为椭球长半径参数：

1.3.4)利用高斯坐标正算公式求解高斯坐标系下的坐标(x，y)：

2 3 2 2 2 4

x＝X+N sin B cos Bl+N sin B cos B(5‑t‑9ecosB)l

3 2 2 2 3 5 2 4 5

y＝N cos Bl+N cos B(1‑t+e cos B)l+N cos B(5‑18t+t)l；

2)网络处理阶段：根据站点设备的地理位置划分网格；

所述网格处理阶段包括如下步骤：

2.1)聚类分析阶段：在划分网格前根据站点设备的理位置进行DBScan聚类分析，得到高斯坐标下站点设备聚类簇；

2.2)网格划分阶段：步骤2.1)阶段得到效果较好的聚类簇后，根据聚类簇内站点设备的地理位置划分均匀正方形网格；

2.3)数据插值阶段：根据设备站点间距离和扬尘数据值进行线性插值，最终将扬尘数据以速度场、浓度场、温度场、压强场、湿度场的形式保存在网格内；

3)模型预训练阶段：通过模拟数据和传统物理方法进行模型预训练；

所述模型预训练阶段包括如下步骤：

3.1)模拟数据阶段：在划分好的网格中模拟生成T0时刻的扬尘模拟数据，其中包括扬尘的速度场、浓度场、温度场、压强场和湿度场；

3.2)传统物理方法的前向计算阶段：在模拟数据的基础上，根据传统物理方法，即依据N‑S纳维‑斯托克斯方程更新体积力项f、对流项和扩散项的计算并进行前向预测，得到后续时间节点T1，T2，T3，…，Tn，Tn+1的扬尘物理场数据集 具体执行步骤如下：

3.2.1)体积力项f计算：f＝ρg，其中g为重力加速度，ρ为流体密度；

3.2.2)对流项计算：给定一个网格点位置为(x,y)，该点的物理量场值为 网格点上粒子对应的速度场横向分量为u，纵向分量为v,求解1个时间步长Δt后网格点物理量场值相关步骤为：

3.2.2.1)后向追踪1个时间步长得到粒子的网格位置(x‑uΔt，y‑vΔt)；

3.2.2.2)根据物理场网格构建Catmull‑Rom样条插值函数计算得到粒子物理量场的变化均值

3.2.2.3)最终 的计算公式为：

3.2.3)扩散项计算：该步骤主要目的是求解流体的粘度项 其中av为粒子在流体粘性力作用下的加速度,μ为流体的粘度系数；假设第n+1时刻，网格坐标(x,y)处物理量 已知，现需要求解第n时刻的物理量 其具体计算步骤为：

3.2.3.1)建立后向欧拉方程 其中Δt为时间步长；

3.2.3.2)采用中心差分法计算拉普拉斯算子：其中 为 网格四周的物理量，Δx为网格宽

度，Δy为网格高度；

3.2.3.3)令 将常数项提出得到：

3.2.3.4)将其转化矩阵形式，并采用共轭梯度法求解大规模正定稀疏矩阵：

3.3)生成数据集阶段：根据体积力项，对流项，扩散项更新计算得到后续时间节点T1，T2，…，Tn，Tn+1时刻的扬尘物理场数据 进而由数据集进行预训练；

3.4)预训练阶段：将步骤3.3)中通过传统物理方法计算得到的T1，T2，T3，…，Tn，Tn+1时间节点的扬尘物理信息 作为数据集进行神经网络模型U预训练：

3.4.1)模型选取：选取U‑Net作为训练网络；

3.4.2)训练细节：输入通道大小为32×32×6×2，其中32×32为网格大小，6×2代表6个物理场数据2个相邻的时间场，6个物理场数据分别为速度场横向分量，速度场纵向分量，浓度场，温度场，压强场，湿度场；输出通道为32×32×3×1，其中32×32为网格大小，3×1代表预测生成的3个物理场和1个时间场，3个物理场分别为速度场横向分量，速度场纵向分量和浓度场；

4)迁移学习微调阶段：使用训练好的模型预测真实的扬尘颗粒物飘移轨迹；

所述迁移学习微调阶段包括如下步骤：

4.1)模型迁移阶段：保留步骤3.4)中完成预训练的U‑Net模型中的所有参数，将其作为真实数据集的训练模型；

4.2)数据训练阶段：输入通道大小为32×32×4×2，其中32×32为网格大小，4×2代表

4个真实物理场数据和2个相邻的时间场，4个真实物理场数据分别为浓度场，温度场，压强场，湿度场；输出通道为32×32×3×1，其中32×32为网格大小，3×1代表预测生成的3个物理场和1个时间场，3个物理场分别为速度场横向分量，速度场纵向分量和浓度场；

4.3)模型微调阶段：调整参数epoch的值为240，训练批次参数batchsize的值设定为8，设定L2为损失函数，并最终得到预测结果；其中，损失函数L2采用最小化平方误差LSE函数，使用LSE的目的是最小化真实值yi和训练结果f(xi)之间差值的平方和DL2，其函数公式为