公开(公告)号：CN110568127A

公开(公告)日：2019-12-13

申请号：CN201910857687.3

申请日：2019-09-09

Applicant: 北京工业大学

Inventor： 顾锞 ,  乔俊飞 ,  夏俊勇

IPC: G01N33/00 ,  G01N15/06 ,  G06N20/10

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：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

Inventor： 顾锞 ,  乔俊飞 ,  夏俊勇

IPC: G01N33/00 ,  G01N15/06 ,  G06N20/10

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。