收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于卷积神经网络的雾霾时空演化预测方法研究

黄伟政  
【摘要】:近年来,雾霾污染天气现象受到人们广泛的关注。日益增多的地面监测站和监测卫星带来了更为庞大的雾霾时空数据,这时传统方法就显得较为乏力。随着机器学习以及深度学习的发展,研究者们就不断的尝试将这种更适合用于处理大量数据的方法应用至雾霾的时空分析中来。遥感图像是雾霾时空分析中必不可少的时空数据,而卷积神经网络由于其特殊的网络架构,使其成为图像研究中最有效的一类方法。本文以卷积神经网络(Convolutional Neural Network,CNN)方法为基础对雾霾时空演化进行了研究,研究的具体步骤和内容如下:一,首先进行了遥感图像雾霾等级分类问题以及其实用性研究,通过使用传统方法对遥感图像进行气溶胶光学深度(Aerosol Optical Depth,AOD)反演,确定了可以作为卷积神经网络输入的数据类型。使用国家雾霾浓度等级作为数据标定标准,对搭建好的卷积神经网络进行训练,从而实现对雾霾浓度等级的分类;最后,通过传统方法与本文方法结果与实际雾霾浓度等级之间的相关性分析对比,证实了卷积神经网络雾霾分类的实用性。二,为了对雾霾浓度变化进行预测,首先使用自回归方法对雾霾浓度时间上的关联性进行了分析,进而搭建了改进的卷积-回归神经网络的结构,使用该网络对雾霾浓度进行了以天为时间尺度的等级预测。然后,为了在更为精细的时间尺度上对雾霾浓度等级进行预测,本文搭建了一维卷积神经网络的雾霾浓度等级预测方法。本文使用了更新门循环神经网络(Gated Recurrent Unit,GRU)方法作对比,凸显了一维卷积神经网络训练速度快的优点;最后,使用不同时间长度的输入,对雾霾时间维度上的规律进行了研究和分析。三,为了对雾霾的时空上的变化规律进行研究,文中搭建了了基于多物体检测卷积神经网络结构(You Only Look Once,YOLO)方法改进的多卷积联合的网络结构对原始遥感图像进行了分区块处理。不同的区块对应不同的地理区域,所以其输出就对应不同区域的雾霾浓度等级。首先对各块输出做了数理统计,然后为了对数据结果进行更精确的分析,本文中使用了莫兰指数(Moran'I)对空间的自相关性进行了研究和分析。最后,使用空间联系局部指标图(Local Indicators of Spatial Association,LISA)对雾霾以季节为时间尺度的空间集聚性进行了研究,得出了北京地区以季节为尺度的雾霾时空演化规律。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 余窻恒;沈海斌;;一种跨层连接的循环神经网络门结构设计[J];传感器与微系统;2018年08期
2 蒋进;;基于神经网络的风功率组合预测[J];工程技术研究;2017年10期
3 刘桂霞;王沫沅;苏令涛;吴春国;孙立岩;王荣全;;基于深度神经网络的蛋白质相互作用预测框架[J];吉林大学学报(工学版);年期
4 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
5 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
6 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期
7 苏秀婷;;耦合神经网络的同步[J];绍兴文理学院学报(自然科学);2016年03期
8 朱溦;;神经网络结合平均影响值方法筛选变量[J];产业与科技论坛;2017年01期
9 ;硅光子神经网络亮相[J];石油工业计算机应用;2016年04期
10 任刚红;杜坤;周明;刘年东;张晋;;基于级联神经网络的年降雨量预测[J];土木建筑与环境工程;2016年S2期
11 金鑫;李龙威;季佳男;李祉歧;胡宇;赵永彬;;基于大数据和优化神经网络短期电力负荷预测[J];通信学报;2016年S1期
12 陈明;张凤荣;肖茜文;;基于灰色系统神经网络的中国低碳能源供需形势分析[J];生态经济;2017年02期
13 张国玲;;基于情感神经网络的风电功率预测[J];电信科学;2017年03期
14 梁燕华;张传斌;;基于神经网络数据融合实现火灾预警[J];科技传播;2017年04期
15 胡聪丛;胡桓;;深度神经网络的发展现状[J];电子技术与软件工程;2017年04期
16 曾维亮;林志贤;陈永洒;;基于卷积神经网络的智能冰箱果蔬图像识别的研究[J];微型机与应用;2017年08期
17 吴志军;张景安;岳猛;张才峰;;基于联合特征的LDoS攻击检测方法[J];通信学报;2017年05期
18 张琳;;基于神经网络的微博话题预测及分析[J];数字技术与应用;2017年03期
19 李秋硕;王岩;孙宇军;肖勇;欧阳涛;;BP神经网络在用电用户分类中的应用[J];现代电子技术;2017年09期
20 李博;王建国;李静文;;基于神经网络的景气预测模型[J];统计与决策;2017年10期
中国重要会议论文全文数据库 前10条
1 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
2 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
3 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
4 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
5 李涛;费树岷;;具有变时滞Cohen-Grossberg神经网络的指数稳定性准则[A];第二十六届中国控制会议论文集[C];2007年
6 汪灵枝;秦发金;;具有变时滞和脉冲的离散Cohen-Grossberg神经网络的周期解[A];中国自动化学会控制理论专业委员会D卷[C];2011年
7 韩正之;林家骏;;用神经网络求解非线性相容方程[A];1993年控制理论及其应用年会论文集[C];1993年
8 林家骏;王赞基;;求解不可微优化问题的连续极大熵神经网络[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
9 姜德宏;徐德民;任章;;基于神经网络的自校正控制器[A];1993中国控制与决策学术年会论文集[C];1993年
10 窦永丰;贝超;;模糊与神经网络结合方式及在控制中的应用[A];1997年中国控制会议论文集[C];1997年
中国博士学位论文全文数据库 前10条
1 吴森森;地理时空神经网络加权回归理论与方法研究[D];浙江大学;2018年
2 张振敏;基于脉冲神经网络的纹理图像识别研究[D];福建师范大学;2016年
3 姜晓恒;基于深度卷积神经网络多尺度共享与子块级联的物体识别[D];天津大学;2017年
4 陈浩广;基于扩展神经网络的非线性不确定系统自适应控制设计研究[D];广东工业大学;2017年
5 高洁;几类复杂网络的同步控制研究[D];电子科技大学;2018年
6 谈宏莹;基于太赫兹时域谱物质检测技术及实验研究[D];燕山大学;2016年
7 王玲;基于反应扩散方程的神经网络与种群模型的动力学研究[D];南京航空航天大学;2016年
8 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年
9 江沸菠;基于神经网络的混合非线性电阻率反演成像[D];中南大学;2014年
10 李洋;小波过程神经网络相关理论及其应用研究[D];哈尔滨工业大学;2008年
中国硕士学位论文全文数据库 前10条
1 唐芳草;基于神经网络的技术合同风险分析技术研究[D];哈尔滨工程大学;2017年
2 侯蕾;基于卷积神经网络的水果检测研究[D];福建师范大学;2017年
3 汪东升;基于小波和神经网络的柴油机失火故障诊断方法研究[D];华中农业大学;2011年
4 姜珊;基于卷积神经网络的水稻生长阶段优劣长势判别的研究[D];黑龙江八一农垦大学;2018年
5 林晟;基于卷积神经网络的教学资源整合方法的研究与实现[D];上海师范大学;2018年
6 宋夏;基于改进PCA与BP神经网络的人脸识别算法[D];内蒙古师范大学;2018年
7 孙璇;基于卷积神经网络的文本分类方法研究[D];上海师范大学;2018年
8 朱永佳;基于卷积神经网络的交通标志检测与识别研究[D];上海师范大学;2018年
9 卢毅;基于轻量级卷积神经网络的人脸检测和识别算法研发[D];浙江大学;2018年
10 蒋维;基于改进PSO-BP神经网络的个人信用评价模型及算法研究[D];电子科技大学;2018年
中国重要报纸全文数据库 前10条
1 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
2 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
3 ;人工智能将取得大面积突破[N];中国企业报;2017年
4 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
5 ;人类正迎来云端机器人时代[N];中国企业报;2017年
6 张斌;谁还需要“同传”[N];文汇报;2017年
7 科大讯飞董事长 刘庆峰;高考机器人考入一流大学不再是梦[N];中国教育报;2017年
8 邓洲 中国社会科学院工业经济研究所;深度学习:人工智能进入应用阶段[N];上海证券报;2017年
9 中国科学技术大学终身学习实验室博士 吴茂乾;“寒武纪”人工智能大爆发的前夜[N];安徽日报;2017年
10 记者 邱智丽;AI竞赛 中国力量崛起[N];第一财经日报;2017年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978