基于地形特征与多视图学习的空气质量空间估计方法研究

发布时间：2020-07-18 16:54

【摘要】：智慧城市的建设过程会产生海量的数据,如交通数据、空气质量数据、人流数据等。合理有效地利用这些数据,深度挖掘出城市数据的潜在规律,有很高的社会价值和经济价值。空气质量数据是从空气质量监测站获得的。由于空气质量监测站数量通常非常有限,这对空气质量空间估计提出了需求。空气质量空间估计指推断任何没有空气质量监测站位置处的空气质量数据。目前,最先进的空气质量空间估计方法综合考虑附近空气质量监测站的空气质量数据,以及交通量、人流量、POI等外部城市大数据,基于机器学习技术建立估计模型。这些方法在城市区域中已经取得了较好的效果,但却难以保证在非城市区域中的效果。在本文中,非城市区域主要指由自然地形(如水域,山地,森林等)覆盖的区域。原因如下:(1)现有方法没有考虑地形因素对空气质量的影响,且根本不区分城市区域和非城市区域,对所有地形类型中的空气质量空间估计问题进行统一建模,导致模型无法学习到地形因素与空气质量的潜在关联。(2)空气质量监测站数量太少且绝大多数都部署在城市区域中,导致训练样本数量过少(尤其是非城市区域)且分布极不均衡,导致模型在非城市区域中的泛化能力不强。针对上述问题,本文拟从空气质量空间估计这一课题入手,重点研究能在各类地形类型中都具有较强泛化能力的空气质量空间估计模型。本文主要开展了以下工作:(1)地形特征挖掘:大多已有的城市空气质量空间估计方法主要针对城市区域来提取特征,对非城市区域的空气质量进行估计时往往无法取得良好的效果。因此,为了准确估计非城市区域的空气质量,本文基于开源地图建立地形数据库,在此基础上对地形特征进行挖掘,包括提取本地和附近站点处的地形类型分布,及基于集成决策树模型对原始地形特征进行提炼。(2)因子分解机:在城市空气质量空间估计过程中,各个特征之间是相互关联而非独立存在的,例如风速和风向的变化会导致空气中污染物浓度的改变,因此仅使用原始特征的模型无法很好地估计空气质量。本文使用的因子分解机方法可以在考虑两个原始特征间关系的同时解决由此产生的数据稀疏问题。(3)多视图迁移半监督学习:空气质量监测站数量非常有限,且绝大多数都部署在城市区域中,在许多城市中甚至完全没有空气质量监测站部署在非城市区域。因此,对某一特定城市,仅靠该监测站产生的数据无法有效为其建立空气质量空间估计模型。为此,本文提出了一种多视图迁移半监督学习模型(MTS4AE),综合利用其它城市相似非城市区域地形中空气质量监测站产生的有标注数据和本城市无空气质量监测站区域的无标注数据,建立空气质量空间估计模型。首先,将特征划分为时序特征、空间特征和深层特征三类。然后,基于其它城市相似非城市区域地形中空气质量监测站产生的有标注数据,采用迁移学习算法对每类特征分别建立初始模型。之后,基于本城市无空气质量监测站区域的无标注数据,采用协同学习算法对初始模型进行融合。最后,本文通过可视化方法实现了MTS4AE空气质量空间估计模型,并证明了该算法的有效性。
【学位授予单位】：浙江工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：X831;TP181
【图文】：

我们发现：即便使用最为简单的线性插值方法也能意的性能，但将这些模型运用在非城市区域时，其区域空气质量的空间波动较小，空间变化较为平稳实际空气质量数据就可以较为准确进行空间估计。量空间估计通常比城市区域的空气质量空间估计析了中国的监测站分布后，我们发现大部分的监测少的监测站部署在非城市区域。在许多城市，非城站。图 1-2 显示了部署在中国非城市区域的监测站测站数量很少。这样就会导致如下情况：我们使用时，模型能够比较好地反映出城市区域的监测值的区域监测值的规律。更糟糕的是，由于在非城市区方法均是利用已有监测站的数据进行性能评价，因域的估计性能不是很好，空气质量空间估计的平均

图 2-1 GDBT 算法流程图Figure 2-1. GBDT algorithm flow chartDT 树每次迭代生成一棵决策树，该决策树的根节点和中间节点个或一组特征所满足的条件。从根结点出发，当特征满足某一GBDT 树将搜索当前节点的左子树，否则搜索当前节点的右子节点。这样，对于每一组特征，都有且仅有一个叶子节点与这用 one-hot 形式表示。即每一次迭代均会产生一组长度为决策 one-hot 编码。若经过 T 轮迭代，则能够产生一个长度为（决T）的特征向量，这个特征向量能在一定程度上反映出数据集aBoost 算法Boost[26]算法也属于 Boosting 算法的一种，它通过调整样本权集。在算法开始时，它赋予每个样本相同的权重。之后的每轮错误的样本权重，减小分类正确的样本权重来强调分类错误的新的分类器。迭代 T 轮之后，将所有的分类器叠加，最终得到

样本迁移示意图

【相似文献】

相关期刊论文 前10条

1 ;4月份重庆空气质量全国排第16位[J];新重庆;2013年06期

2 朱瑜;叶倩;;密闭的空间,哪款车的车内空气质量较优?[J];消费者报道;2015年10期

3 ;“人努力”不是一句空话[J];供电企业管理;2015年05期

4 ;欧盟欲对十三国处高额罚金[J];上海环境科学;2005年02期

5 ;污染[J];中国石油石化;2019年08期

6 邵晨阳;;2017年上半年朝阳市空气质量分析[J];中国高新区;2018年07期

7 白鸣;;如何利用植物提高住宅小区内的空气质量[J];农技服务;2017年23期

8 王丽宁;代雨晴;;环保重点城市空气质量情况实证分析[J];河北企业;2016年12期

9 程林婷;;新常态下空气质量现状调查及对策分析——以济南市为例[J];山西农经;2016年12期

10 王丽宁;代雨晴;;环保重点城市空气质量情况实证分析[J];中国乡镇企业会计;2016年11期

相关会议论文 前10条

1 张志;;禁放烟花爆竹对郑州市春节期间空气质量的影响分析[A];2017中国环境科学学会科学与技术年会论文集（第一卷）[C];2017年

2 郑选军;王国强;;回归诊断在城市空气质量预报中的应用研究[A];首届长三角气象科技论坛论文集[C];2004年

3 郭文涛;赵富强;常海林;;长治市主城区环境空气质量变化趋势分析[A];2010中国环境科学学会学术年会论文集(第一卷)[C];2010年

4 张雅娟;张景峰;陈曦;;环境空气质量连续自动监测系统的质控管理[A];河北省土壤污染防治技术研讨会论文集[C];2010年

5 张德权;;浅析承德县县城空气质量变化趋势及应对措施[A];《河北环境科学》-华北五省市环境科学学会第十七届年会论文集[C];2011年

6 何中波;;全面提升xZ口区环境空气质量路径思考[A];2012中国环境科学学会学术年会论文集（第三卷）[C];2012年

7 李歆琰;韩雪;曹亚明;;浅析空气质量对雾霾天气的影响[A];2013中国环境科学学会学术年会论文集（第五卷）[C];2013年

8 郑选军;王国强;;回归诊断在城市空气质量预报中的应用研究[A];首届长三角科技论坛——气象科技发展论坛论文集[C];2004年

9 雷正翠;董芹;霍焱;沈琰;焦振峰;马天骄;陈雨;;常州城市空气质量变化特征及其与气象条件的关系[A];中国气象学会2008年年会大气环境监测、预报与污染物控制分会场论文集[C];2008年

10 陈正;孟洁;;2018年90个乡镇空气质量情况通报[A];对接京津——借势京津 协同融合论文集[C];2019年

相关重要报纸文章 前10条

1 记者 符烨邦;我市召开空气质量预警座谈会[N];朔州日报;2019年

2 本报记者 马露露;全力促进空气质量持续改善[N];榆林日报;2019年

3 毕节日报全媒体中心记者 李肖荣;1-7月，全市环境空气质量优良天数比率达99%[N];毕节日报;2019年

4 记者 向吟吟;1-7月环境空气质量持续向好[N];衡阳日报;2019年

5 记者 陈番番;我市空气质量连续6个月全省第一[N];陇南日报;2019年

6 湖北省生态环境厅;湖北省2019年1-7月环境空气质量重要数据通报[N];湖北日报;2019年

7 熊建华;丰城保卫蓝天提升空气质量[N];宜春日报;2019年

8 记者 黄晓娜 通讯员 惠环宣;前7月我市空气质量稳中向好[N];惠州日报;2019年

9 记者 李凤霞;聚焦目标 紧盯重点 苦干实干 狠抓落实 切实提升空气质量 确保交上满意答卷[N];周口日报;2019年

10 记者 金明达;城区空气质量优良天数率为91.4%[N];衡阳日报;2019年

相关博士学位论文 前10条

1 倪智振;杭州市空气质量保障数值模拟研究[D];浙江大学;2018年

2 马素琳;城市经济发展的异质性对环境空气质量的影响研究[D];兰州大学;2016年

3 彭新德;长沙城市绿地对空气质量的影响及不同目标空气质量下绿地水量平衡研究[D];中南大学;2014年

4 吕品;室内空气质量控制中关键检测技术的研究[D];大连理工大学;2008年

5 郭勇涛;沙尘天气对我国北方和邻国日本大气环境影响的初步研究[D];兰州大学;2013年

6 蒋志方;城市空气质量预测模型与数据可视化方法研究[D];山东大学;2011年

7 王洪俊;吉林市滨水绿地群落结构与生态效益及优化对策研究[D];东北林业大学;2014年

8 黄远;多模态的空气质量分析及预测方法研究[D];燕山大学;2017年

9 玛丽亚伊克拉姆（Maria Ikram）;温度波动对空气质量和呼吸系统疾病的季节性影响研究[D];北京理工大学;2015年

10 龙鑫;基于卫星遥感观测和WRF-Dust/Chem的空气质量模拟[D];中国科学院研究生院(地球环境研究所);2016年

相关硕士学位论文 前10条

1 张恩会;基于灰色关联与系统聚类的空气质量影响因素分析[D];湘潭大学;2019年

2 吕钰莲;武汉市空气质量时空分布特征及气象要素的影响[D];华中农业大学;2019年

3 李一帆;基于地形特征与多视图学习的空气质量空间估计方法研究[D];浙江工业大学;2019年

4 李勇辉;北京市空气质量的空间统计分析研究[D];华北电力大学(北京);2019年

5 阮竹容;空气质量与城镇化互动关系及其耦合协调发展研究[D];北京交通大学;2019年

6 张菁华;城市绿化对空气质量的影响研究[D];东北林业大学;2019年

7 杨燕燕;城市建成环境影响空气质量的作用机制研究[D];华中科技大学;2019年

8 张鑫;基于灰色理论的西安空气质量预警系统研究与实现[D];长安大学;2019年

9 展云逸;空气质量对旅游经济的影响分析[D];上海交通大学;2016年

10 李嘉宾;基于融合空气质量模拟与监测数据的颗粒物污染控制健康效益评估[D];华南理工大学;2019年

本文编号：2761164