排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
当前污染物追踪工作对于各行各业均具有重要意义,随着人工智能与大数据发展迅速,运用大数据技术对污染物信息进行挖掘分析应运而生。基于污染物排放数据在不同时序、空间中通过数据挖掘发现隐含的污染物信息对于环境监测与政府决策具有重要价值。论文提出一种基于大数据分析的污染物追踪预测算法,应用PCA算法处理污染物排放数据获得关键污染物;应用关联规则算法定量分析污染物间的关联关系。最终,结合分析结果可比对区域中各类型污染行业排放物,进行污染物排放源定性定量的追踪预测。 相似文献
2.
污染物浓度变化趋势对于环境监测工作意义重大.现今各种前馈神经网络预测模型的输出结果仅与当前输入有关,无法研究污染物数据前后依赖关系.且多种污染物具有相同排放源,污染物间往往存在潜在关联关系,一种污染物的变化可能反映另一种污染物变化,所以在预测中需考虑其他敏感参数的影响.针对上述两个问题,提出一种基于敏感参数发现的区域重点污染物浓度预测方法.应用关联规则算法及多元回归分析挖掘出各污染物的敏感参数,构建多变量LSTM预测模型,将待预测污染物及其敏感参数作为预测模型特征变量,进行污染物的浓度预测.实验结果表明本文方法可有效预测污染物浓度变化趋势,预测效果优于未经关系发现的LSTM模型. 相似文献
1