PM2.5浓度无线检测系统设计

针对日常生活中对PM2.5污染检测的实际要求,设计了PM2.5浓度无线检测系统。系统以nRF24L01芯片为无线接收发模块,实现了对GP2Y10传感器采集PM2.5浓度信息的无线检测。硬件单元由AT89S52单片机、nRF24L01芯片、GP2Y10传感器和LCD1602组成。经实验证明,系统工作良好,达到了无线检测PM2.5浓度的目的。     

基于Adam注意力机制的PM2.5浓度预测方法

大气PM2.5浓度是一种具有较强时序特征的数据,故目前关于PM2.5浓度的预测多选择RNN、LSTM等序列模型进行.但由于RNN、LSTM等模型对不同时刻输入的数据都采用相同的权重进行计算,不符合类脑设计,造成PM2.5浓度预报准确率较低.针对以上问题,提出一种基于Adam注意力机制的PM2.5预测方法(AT-RNN和...     

西安工程大学采暖期大气PM2.5质量浓度与影响因素

在西安工程大学金花校区均匀布置20个采样点,准确测定各采样点大气中PM2.5的质量浓度,分析采样点大气中PM2.5污染程度及分布特征;根据同步记录的气象数据,分析评价气象因子对大气PM2.5质量浓度的影响。     

基于随机森林回归分析的PM2.5浓度预测模型

针对神经网络算法在当前PM2.5浓度预测领域存在的易过拟合、网络结构复杂、学习效率低等问题,引入RFR(random forest regression,随机森林回归)算法,分析气象条件、大气污染物浓度和季节所包含的22项特征因素,通过调整参数的最优组合,设计出一种新的PM2.5浓度预测模型—RFRP模型.同时,收集了西安市2013-2016年的历史气象数据,进行模型的有效性实验分析.实验结果表明,RFRP模型不仅能有效预测PM2.5浓度,还能在不影响预测精度的同时,较好地提升模型的运行效率,其平均运行时间为0.281 s,约为BP-NN(back propagation neural network,BP神经网络)预测模型的5.88％.     

基于LUR 模型下PM2.5 浓度的空间分布模拟分析

PM2:5 是大气重要污染物之一, 模拟 PM2:5 浓度空间分布对于大气污染防治具有重要意义。将土地利用回归 模型 (LUR) 应用到安徽省污染较重的皖北地区, 以监测点为中心, 建立半径分别为 0.5、 1、 1.5、 2、 3、 4、 5 km 的 缓冲区, 结合土地利用因子、道路因子、污染源因子、气象因子、高程因子及人口因子共 105 个变量, 建立了该地 区四季和年均 LUR 模型, 并通过留一交叉互验, 验证了模型精度。结果表明: 研究区 PM2:5 浓度受草地、湿地、降水 量、相关湿度、气压、风速、二级公路、三级公路、废气污染企业、人口数量影响较大。调整 R2 分别为 0.828 (春)、 0.731 (夏)、 0.831 (秋)、 0.775 (冬)、 0.892 (年均); 均方根误差 (RMSE) 分别为 6.34 µg·m−3 (春)、 7.01 µg·m−3 (夏)、 6.28 µg·m−3 (秋)、 6.71 µg·m−3 (冬)、 5.33 µg·m−3 (年均); 模拟精度 R2 分别为 0.825 (春)、 0.730 (夏)、 0.834 (秋)、 0.772 (冬)、 0.897 (年均), 模型表现良好, 解释力强。从模拟的 PM2:5 浓度空间分布可以看出, 不同季节呈现明显不同的空间分布特 征, 这与来自北方的大量污染颗粒物、当地的煤矿开采以及秋耕秸秆燃烧等潜在污染源有关。     

气象条件对大气中PM2.5浓度的影响

分析了浙江某地近年1月至9月逐日平均PM2.5浓度与降雨量、温度、湿度和风速等气象参数的关系,得出PM2.5浓度大小与风速的变化密切相关,降雨能降低空气中的PM2.5浓度,在隔离降雨因素的前提下,无论是相对湿度还是绝对湿度与PM2.5浓度都不具有明显的相关性,日平均温度与PM2.5浓度呈现负相关。     

合肥地区2013年春节期间PM2.5质量浓度演变特征

利用2013年2月8～19日合肥地区获取的大气颗粒物和常规气象观测资料,依据烟花爆竹燃放、降水过程、相对湿度 和风速特点,分析了PM2.5质量浓度在不同气象条件下的变化特征。结果表明:合肥春节期间PM2.5质量浓度平 均值为58.3 μg/m3,仅出现两个PM2.5质量浓度污染日;城市居民集中燃放烟花爆竹引起PM2.5质量浓度 急剧增大,但主要排放PM1;降水过程对PM2.5质量浓度具有湿沉降作用,过程降水量越大, PM2.5质量浓 度湿沉降量越大; PM1、PM1～2.5 和PM2.5～10与相对湿度的相关系数分别为0.45、0.26和－0.07,粒径 尺度越小的颗粒物吸湿增长特性越显著; PM2.5质量浓度演变与风速呈负相关,两者的相关 系数为－0.33,风速越大,越利于颗粒物扩散。     

基于VAR模型的PM2.5与其它空气污染物的动态关系研究分析

通过建立向量自回归（VAR）模型,综合运用格兰杰因果关系检验、广义脉冲响应函数和方差分解法,分析PM2.5与其它空气污染物的动态关系,探讨其它空气污染物对PM2.5的影响,利用西安市2013年1月1日-2014年12月31日有关环境空气质量的数据进行了研究。结果表明：PM2.5与其它空气污染物所构成的空气质量系统是稳定的,二氧化硫、二氧化氮、一氧化碳浓度值的增加会引起PM2.5浓度值持续较长时间的增加,其中二氧化硫对PM2.5影响作用最大;臭氧浓度值的增加则会使PM2.5浓度值降低。     

基于支持向量机的旅游需求量预测模型

为了提高旅游需求量的预测精度,提出基于支持向量机的旅游需求量预测模型。首先分析了旅游需求量当前的研究现状,找出当前旅游需求量预测模型的缺陷,然后针对旅游需求量的时变性、周期性以及小样本的特点,建立支持向量机的旅游需求量预测模型,最后与神经网络等模型进行旅游需求量预测对比实验。结果表明,相对于神经网络等模型,支持向量机获得了更高精度的旅游需求量预测结果,可以为旅游区的管理和合理规划提供有益的指导意见。     

基于小波支撑矢量机的陀螺仪漂移预测

提出了基于小波支撑矢量机的导弹惯性器件故障预报方法。将子波核函数应用于支撑矢量机,得到小波支撑矢量机（WSVM）方法,用于某陀螺仪漂移时间序列预测中,预测精度优于基于传统核函数的支撑矢量机。通过仿真实验证明了算法的有效性和可行性。     

基于支持向量机的语种识别

支持向量机是统计学习理论的一个重要分支,也是解决模式识别问题的一个有力工具.现简要介绍支持向量机理论,构建基于径向基函数的支持向量机,对分别来自两个不同的电话语音数据库中的汉语普通话、英语、日语、白族语和纳西语等5种语言进行识别研究.实验结果表明,支持向量机, 对不同数据库语言的语种识别依然能达到比较高的识别率.     

改进支持向量机的电子邮件分类

电子邮件分类有利于垃圾邮件的过滤,节省网络资源。为了提高邮件分类的精度,提出了改进支持向量机的电子邮件分类器模型。首先提取电子邮件的原始特征,并采用主成分分析法对特征进行选择,减少特征数量,提高邮件分类效率;然后采用支持向量机建立电子邮件分类器,并对传统支持向量机参数选择方法进行改进,改善邮件分类效果,最后采用邮件分类的标准数据库——UCI进行性能分析。结果表明,改进支持向量机解决了当前电子邮件分类模型的不足,获得了理想的电子邮件分类效果,分类结果可以帮助管理人员拦截垃圾邮件。     

Rotated hyperbola model for smooth support vector machine for classification

This article puts forward a novel smooth rotated hyperbola model for support vector machine (RHSSVM) for classification. As is well known, the support vector machine (SVM) is based on statistical learning theory(SLT) and performs its high precision on data classification. However, the objective function is non-differentiable at the zero point. Therefore the fast algorithms cannot be used to train and test the SVM. To deal with it, the proposed method is based on the approximation property of the hyperbola to its asymptotic lines. Firstly, we describe the development of RHSSVM from the basic linear SVM optimization programming. Then we extend the linear model to non-linear model. We prove the solution of RHSSVM is convergent, unique, and global optimal. We show how RHSSVM can be practically implemented. At last, the theoretical analysis illustrates that compared with other three typical models, the rotated hyperbola model has the least error on approximating the plus function. Meanwhile, computer simulations show that the RHSSVM can reduce the consuming time at most 54.6% and can efficiently handle large scale and high dimensional programming.     

基于支持向量机的线性轮廓图控制方法研究

在质量控制的应用中,一些过程或产品质量可以由响应变量与多个解释变量之间的关系（轮廓图）更好地表征.提出了一种基于支持向量机的控制方法来检测第二阶段中线性轮廓图的变化.通过计算机仿真模拟实验与其他几种传统方法以及神经网络的方法做比较发现,仿真得出所提出的控制方法在检测截距和斜率的变化方面表现优异.     

Microcell prediction model based on support vector machine algorithm

A new microcell prediction model for mobile radio environment is presented in this paper. The popular support vector machine algorithm is used as an optimizing tool to build a model. In order to validate the model quality, extensive electric field strength measurements were carried out in the city of Belgrade, for two different test transmitter locations. The analysis of the model has shown that proposed model is fast, accurate (on the order of the local mean measurements uncertainty), reliable, and suitable for computer implementation.     

Statistical model-based voice activity detection using support vector machine

From an investigation of a statistical model-based voice activity detection (VAD), it is discovered that a simple heuristic way like a geometric mean has been adopted for a decision rule based on the likelihood ratio (LR) test. For a successful VAD operation, the authors first review the behaviour mechanism of support vector machine (SVM) and then propose a novel technique, which employs the decision function of SVM using the LRs, while the conventional techniques perform VAD comparing the geometric mean of the LRs with a given threshold value. The proposed SVM-based VAD is compared to the conventional statistical model-based scheme, and shows better performances in various noise environments.     

基于支持向量机的说话人辨认研究

支持向量机是统计学理论的一个重要的学习方法，也是解决模式识别问题的一个有力的工具，本文提出了用支持向量机来解决说话人辨认问题。结合语音信号的特点，解决了大数据量情况下支持向量机的训练问题。支持向量机对两类的分类问题有着突出的优势，本文用两种判决规则将两类问题应用到多类的识别问题。用支持向量机实现了一个与文本无关的说话人辨认系统，实验表明，本方法有良好的效果。