基于图像质量分析的PM2.5空气质量预测
为了提高空气污染物PM2.5质量浓度预测的准确性,提出了一种基于图像数据预测PM2.5质量浓度的方法.首先用手机或相机获取图像数据,然后用图像质量分析模型提取与PM2.5质量浓度相关的特征向量作为输入,建立一个基于粒子群优化(particle swarm optimization,PSO)算法的支持向量回归机(support vector regression,SVR)(PSO-SVR)预测模型来估计PM2.5的质量浓度.实验结果表明,与SVR模型和用遗传算法(genetic algorithm,GA)优化的支持向量回归机(GA-SVR)模型相比,PSO-SVR模型在预测准确性和实施效率方面具有更好的预测性能.
PM2.5质量浓度、支持向量回归机、粒子群优化算法、特征提取、图像质量评价
46
X831(环境监测)
国家自然科学基金资助项目;国家重点研发计划资助项目
2020-03-14(万方平台首次上网日期,不代表论文的发表时间)
共8页
191-198