摘要: 摘 要:近年来,日益增多的雾霾天气严重威胁着居民的身体健康。PM2.5(直径小于或等于2.5微米的颗粒物)被认为是雾霾的主要源头,当用烛台图表示表示此类数据的周期变化时,可以提取不同的规律特征。因此,提出了一种基于烛台图聚类分析、VGG提取污染物传输扩散特征的(CCA-VGG)PM2.5浓度变化趋势预测模型。首先,将污染物浓度的扩散模式定义为一系列的烛台图,然后进行浓度模式匹配,结合卷积神经网络在图像识别中的独特优势,最终判断带有反转信号的烛台图将会导致的趋势反转情况,并预测趋势。在不同的时间间隔内,将实验结果与几种先进的方法进行了比较。结果表明,相比于SVM(Support vector machine)、AlexNet和VGG,所提出方法的准确率,分别提升了20.97%、16.21%和7.09%。所提出方法能有效提取PM2.5趋势特征,验证了基于烛台图的方法预测未来污染物浓度周期变化的有效性。
中图分类号: