基于ANN的空气质量监测智能校准系统设计与实现

发布时间：2021-09-01 04:57

　　随着当前中国特色的社会主义市场经济的不断快速健康发展和整个国家的工业化进程以及人民的生活所需物质水平的逐步提高,空气中的各类环境污染问题越发严重并逐渐成为了人们的生活中关注的焦点。除了工厂排放的各种废气,私家车的普及也都导致了当前令人担忧的空气环境状况。国家相关部门也开始加大对空气环境的治理,提出了环境质量网格化监测的相关政策。在此背景下,市场涌现出很多微型监测仪器,但由于自身内部的传感器精准度不够,存在数据偏差的问题。为了解决这一问题,本文利用已获得的大量标准文本数据结合神经网络技术实现了一个基于ANN的空气质量监测智能校准系统。本课题是在人工神经网络技术的基础上,将长短期记忆网络（Long ShortTerm Memory,LSTM）模型和协同训练方法相结合同时利用国家标准数据完成校准模型的训练。通过校准模型可以实现监测数据的误差校准,最终完成系统的设计。首先设计了数据收集的功能,将获取数据进行规范化处理;然后设计利用协同训练方法,将无标签数据与标记数据进行交叉迭代训练,完成未标记数据的标签化过程之后利用本文设计的基于基于Cotraining-LSTM空气质量校准算法进行数据的训练... 

【文章来源】：中国科学院大学(中国科学院沈阳计算技术研究所)辽宁省

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

人工神经元

基于协同训练校准算法的研究15图3.2人工神经网络Figure3.2Artificialneuralnetworks3.2.1卷积神经网络CNN图3.3卷积神经网络Figure3.3Convolutionalneuralnetwork图3.3是卷积神经网络结构图。卷积神经网络是上个世纪60年代，由两位研究员在研究动物皮层中的神经元时发现的。它的网络结构不同于普通的人工神经网络结构，它利用人类由点到面的识物原则来降低反馈神经网络的复杂

基于协同训练校准算法的研究15图3.2人工神经网络Figure3.2Artificialneuralnetworks3.2.1卷积神经网络CNN图3.3卷积神经网络Figure3.3Convolutionalneuralnetwork图3.3是卷积神经网络结构图。卷积神经网络是上个世纪60年代，由两位研究员在研究动物皮层中的神经元时发现的。它的网络结构不同于普通的人工神经网络结构，它利用人类由点到面的识物原则来降低反馈神经网络的复杂


本文编号：3376303