-
Patent Agency Ranking
公开(公告)号：CN110568127B
公开(公告)日：2021-07-30
申请号：CN201910857687.3
申请日：2019-09-09
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于时域加权的空气污染物浓度监测方法。引入时间加权矩阵到支持向量回归模型中来增强不同时刻训练样本的权重。首先，收集一周内6种气象指标和6种空气污染物浓度共计12个特征的数据作为特征向量并以此构成样本数据。然后引入时间加权矩阵建立时域加权支持向量回归机模型。最后，用样本训练TSVR模型，对监测结果进行评估。实验结果表明，本发明提出的模型在空气污染物浓度监测和实现效率方面与目前的监测方法相比具有很大优势。
-
公开(公告)号：CN109087277B
公开(公告)日：2021-02-26
申请号：CN201810596929.3
申请日：2018-06-11
Applicant: 北京工业大学
Abstract: 一种基于图像特征和集成神经网络的空气细颗粒物PM2.5软测量方法既属于环境工程领域又属于检测技术领域。大气环境系统具有多变量、非线性、内部机理复杂、信息不完备等特性，难以通过机理分析建立其数学模型，而相比于单个神经网络，集成神经网络对于高度非线性和严重不确定性系统则具有更好的处理能力，且用图像特征作为输入变量预测PM2.5能有效提高模型的实时性和高效性。本发明针对PM2.5难以高精度且实时预测的问题，首先基于特征提取方法提取与PM2.5相关的图像特征，其次利用基于简单平均方法的集成神经网络建立相关图像特征和PM2.5之间的软测量模型，最后用建立好的软测量模型对PM2.5进行预测并取得了较好的效果。该软测量模型的输出结果可为环境管理决策者和群众提供及时准确的大气环境质量信息，有利于加强大气环境污染控制，防止严重污染的发生。
-
公开(公告)号：CN110059723B
公开(公告)日：2021-01-05
申请号：CN201910206672.0
申请日：2019-03-19
Applicant: 北京工业大学
Abstract: 一种基于集成深度卷积神经网络的鲁棒烟雾检测方法既属于图像识别领域，又属于人工智能领域。本发明将不同结构的深度卷积神经网络通过集成学习的方法组合成集成成分类器。本发明可对工厂烟囱、火炬和其它多种目标场景中有烟无烟进行检测。进行及时的烟雾检测，不仅在可以在工业领域控制污染，也可用于森林火灾预警等公共安全领域。将基于集成深度卷积神经网络的鲁棒烟雾检测方法应用于废气处理系统和其他领域，较之现有的方法，显著地提高了准确率，而且避免了现有方法大量的调参工作。本发明可对废气的产生和排放过程进行精确的实时控制，对烟雾产生进行预警，不仅可以显著减少有毒有害气体的排放，同时还可以大大地节省人力。
-
公开(公告)号：CN111368939A
公开(公告)日：2020-07-03
申请号：CN202010204791.5
申请日：2020-03-22
Applicant: 北京工业大学
Abstract: 一种基于随机森林集成的河流浊度软测量方法属于水体环境保护领域和机器学习领域。本发明利用免费提供高光谱遥感数据的Google地球引擎，建立了一种基于随机森林集合的河流浑浊度测量模型。通过充分利用每个光谱及其调谐的光谱信息，利用新提出的全组合子空间方法，生成所有可能的基随机森林学习器。再利用新提出的基于误差最小化的剪枝算法，根据动态阈值循环去除有害基随机森林学习器。最后采用正则化线性回归加权平均法，融合有益基随机森林学习器，得到河流浊度的最终测量结果。本发明较现有方法在预测河流浊度和数据来源难易程度上有明显提升，可以协助政府进行水污染防治和监测等。
-
公开(公告)号：CN108376396A
公开(公告)日：2018-08-07
申请号：CN201810009746.7
申请日：2018-01-05
Applicant: 北京工业大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于图像的高效PM2.5浓度预测方法。通过手机或者相机来获取场景图像，基于这些图像来实时估计PM2.5浓度。首先，在PM2.5浓度非常低的良好天气环境下拍摄大量图片，基于空间和变换域的熵特征建立自然统计模型(NS)。然后将一张新的图像与NS模型对比，计算出偏离度。最后，用非线性函数映射PM2.5浓度指数的偏离度。大量的实验结果表明，本发明提出的模型在PM2.5浓度精准预测和实现效率方面与目前的先进方法相比具有很大优势。
-
-
-
-
Search Results
45
records
(took 0.022 seconds)
