基于多视图的雾霾数据分析方法

发布时间：2018-01-22 19:57

  本文关键词： 雾霾 数据稀疏性 多视图学习　出处：《浙江大学》2017年硕士论文　论文类型：学位论文

【摘要】：随着我国现代化进程的推进,国民对自身的生活环境要求也与日剧增,而作为公众关注的雾霾问题首当其冲。PM2.5作为研究雾霾影响的重要监测指标,基于地面的监测站点能够提供精确的雾霾监测值但数量却相当有限。基于卫星大面积的气溶胶浓度观测数据,可以有效地给予大范围雾霾形成和预测研究提供海量的数据支持,但是由于卫星的周期性运动造成数据的不完整和大气层及地形地貌影响数据获取的准确性,使得基于卫星的观测数据质量较低。针对上述雾霾分析应用中的数据稀疏性问题,我们围绕多视图的方法研究以下几个方面的内容:首先,我们根据卫星监测得到的气溶胶浓度来拟合该地的PM2.5值以此来解决雾霾观测数据的地域覆盖不全;其次,获取不同卫星设备监测到的数据结合多视图学习模型融合多数据源数据在不补全数据的情况下提高拟合后PM2.5数据的准确性;最后,采用以python为主的技术栈实现原始数据的自动获取和天地一体空气质量监测展示系统,极大地提高开发的效率和数据可视化呈现效果,易于实验和操作。实验结果表明,本文采用的雾霾预测模型在合成数据和气溶胶数据方面都有极强的鲁棒性和可靠性。
[Abstract]:With the advancement of our country's modernization process, the people's demand for their own living environment is also increasing sharply. As a public concern, the haze problem, PM2.5, is the most important monitoring index to study the impact of haze. Ground-based monitoring stations can provide accurate haze monitoring values, but the number is quite limited. Based on satellite aerosol concentration observation data on a large area. It can effectively provide massive data support for large-scale haze formation and prediction research, but the data are incomplete due to the periodic motion of satellites and the accuracy of data acquisition is affected by the atmosphere and topography. The quality of satellite-based observation data is low. Aiming at the problem of data sparsity in the above haze analysis applications, we study the following aspects around the method of multi-view: first. According to the aerosol concentration measured by satellite, we fit the PM2.5 value to solve the regional coverage of haze observation data. Secondly, the accuracy of fitted PM2.5 data is improved by acquiring the data monitored by different satellite devices and combining multi-view learning model with multi-data source data without complete data complement. Finally, the technology stack based on python is used to realize the automatic acquisition of raw data and the air quality monitoring and displaying system, which greatly improves the efficiency of development and the visualization of data. The experimental results show that the proposed haze prediction model is robust and reliable in both synthetic data and aerosol data.
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：X513;X87

【相似文献】

相关期刊论文 前4条

1 丁淑辉;钟佩思;王艳霞;韩树才;;基于信息流的多视图产品开发过程建模方法研究[J];煤矿机械;2012年06期

2 毋涛;姜寿山;;BOM多视图及其转换(英文)[J];陕西科技大学学报;2006年04期

3 孙祥娥,刘益成;多视图类多文档模板在VC++中的实现[J];石油仪器;2000年02期

4 毋涛;姜寿山;陈永当;张建华;;基于扩展Gozintograph的BOM多视图研究[J];重型机械;2006年04期

相关会议论文 前3条

1 张秀芬;裴承慧;胡志勇;;在OpenGL中实现多视图表示[A];第十四届全国图学教育研讨会暨第六届制图CAI课件演示交流会论文集（下册）[C];2004年

2 赵旭;刘克;吴威;;多视图三维重建技术和不确定问题[A];第八届中国不确定系统年会论文集[C];2010年

3 张岩;杨冬青;唐世渭;;Web仓储中的多视图一致性维护[A];第十九届全国数据库学术会议论文集（研究报告篇）[C];2002年

相关博士学位论文 前10条

1 杨琬琪;多视图特征选择与降维方法及其应用研究[D];南京大学;2015年

2 李晋;基于多视图鉴别特征学习的分类算法[D];中国矿业大学(北京);2016年

3 吴飞;多视图特征学习方法研究[D];南京邮电大学;2016年

4 钱强;复杂场景下的多视图学习方法研究[D];南京航空航天大学;2013年

5 田文;多视图图像的快速三维场景重建[D];华中科技大学;2010年

6 徐帆;无组织多视图图像的自动化三维场景重建[D];华中科技大学;2007年

7 周旭东;基于不同多视图数据场景的典型相关分析研究和应用[D];南京航空航天大学;2013年

8 苏树智;多视图典型相关分析的理论研究和应用[D];江南大学;2017年

9 李亚兰;基于空间一致生长的多视图三维重建[D];华中师范大学;2017年

10 段春梅;基于多视图的三维模型重建方法研究[D];山东大学;2009年

相关硕士学位论文 前10条

1 周艳杰;基于多视图的交互式机械建模[D];郑州大学;2015年

2 洪鑫;基于多视图哈希的图书推荐系统的研究与实现[D];浙江大学;2015年

3 龙跃;基于产品BOM的多视图应用及实现[D];电子科技大学;2014年

4 王世佳;RF数据记录系统的重放软件设计[D];电子科技大学;2014年

5 王家亮;基于片元多视图重建在未标定序列图像重建上的应用[D];东北大学;2014年

6 陶萌;基于语义元的产品信息多视图语义研究[D];浙江工业大学;2015年

7 贾超;基于多视图的瓦当三维模型重建的研究与实现[D];西北大学;2015年

8 吴珊珊;基于多视图稀疏嵌入分析的识别算法研究[D];南京邮电大学;2015年

9 高翔;基于多视图几何约束的大尺寸视觉测量技术研究[D];中国海洋大学;2015年

10 邓强;多视图子空间聚类集成方法研究及分布式实现[D];西南交通大学;2016年

，

本文编号：1455615