【摘要】：智慧城市的建設(shè)過程會產(chǎn)生海量的數(shù)據(jù),如交通數(shù)據(jù)、空氣質(zhì)量數(shù)據(jù)、人流數(shù)據(jù)等。合理有效地利用這些數(shù)據(jù),深度挖掘出城市數(shù)據(jù)的潛在規(guī)律,有很高的社會價值和經(jīng)濟價值�？諝赓|(zhì)量數(shù)據(jù)是從空氣質(zhì)量監(jiān)測站獲得的。由于空氣質(zhì)量監(jiān)測站數(shù)量通常非常有限,這對空氣質(zhì)量空間估計提出了需求。空氣質(zhì)量空間估計指推斷任何沒有空氣質(zhì)量監(jiān)測站位置處的空氣質(zhì)量數(shù)據(jù)。目前,最先進的空氣質(zhì)量空間估計方法綜合考慮附近空氣質(zhì)量監(jiān)測站的空氣質(zhì)量數(shù)據(jù),以及交通量、人流量、POI等外部城市大數(shù)據(jù),基于機器學(xué)習技術(shù)建立估計模型。這些方法在城市區(qū)域中已經(jīng)取得了較好的效果,但卻難以保證在非城市區(qū)域中的效果。在本文中,非城市區(qū)域主要指由自然地形(如水域,山地,森林等)覆蓋的區(qū)域。原因如下:(1)現(xiàn)有方法沒有考慮地形因素對空氣質(zhì)量的影響,且根本不區(qū)分城市區(qū)域和非城市區(qū)域,對所有地形類型中的空氣質(zhì)量空間估計問題進行統(tǒng)一建模,導(dǎo)致模型無法學(xué)習到地形因素與空氣質(zhì)量的潛在關(guān)聯(lián)。(2)空氣質(zhì)量監(jiān)測站數(shù)量太少且絕大多數(shù)都部署在城市區(qū)域中,導(dǎo)致訓(xùn)練樣本數(shù)量過少(尤其是非城市區(qū)域)且分布極不均衡,導(dǎo)致模型在非城市區(qū)域中的泛化能力不強。針對上述問題,本文擬從空氣質(zhì)量空間估計這一課題入手,重點研究能在各類地形類型中都具有較強泛化能力的空氣質(zhì)量空間估計模型。本文主要開展了以下工作:(1)地形特征挖掘:大多已有的城市空氣質(zhì)量空間估計方法主要針對城市區(qū)域來提取特征,對非城市區(qū)域的空氣質(zhì)量進行估計時往往無法取得良好的效果。因此,為了準確估計非城市區(qū)域的空氣質(zhì)量,本文基于開源地圖建立地形數(shù)據(jù)庫,在此基礎(chǔ)上對地形特征進行挖掘,包括提取本地和附近站點處的地形類型分布,及基于集成決策樹模型對原始地形特征進行提煉。(2)因子分解機:在城市空氣質(zhì)量空間估計過程中,各個特征之間是相互關(guān)聯(lián)而非獨立存在的,例如風速和風向的變化會導(dǎo)致空氣中污染物濃度的改變,因此僅使用原始特征的模型無法很好地估計空氣質(zhì)量。本文使用的因子分解機方法可以在考慮兩個原始特征間關(guān)系的同時解決由此產(chǎn)生的數(shù)據(jù)稀疏問題。(3)多視圖遷移半監(jiān)督學(xué)習:空氣質(zhì)量監(jiān)測站數(shù)量非常有限,且絕大多數(shù)都部署在城市區(qū)域中,在許多城市中甚至完全沒有空氣質(zhì)量監(jiān)測站部署在非城市區(qū)域。因此,對某一特定城市,僅靠該監(jiān)測站產(chǎn)生的數(shù)據(jù)無法有效為其建立空氣質(zhì)量空間估計模型。為此,本文提出了一種多視圖遷移半監(jiān)督學(xué)習模型(MTS4AE),綜合利用其它城市相似非城市區(qū)域地形中空氣質(zhì)量監(jiān)測站產(chǎn)生的有標注數(shù)據(jù)和本城市無空氣質(zhì)量監(jiān)測站區(qū)域的無標注數(shù)據(jù),建立空氣質(zhì)量空間估計模型。首先,將特征劃分為時序特征、空間特征和深層特征三類。然后,基于其它城市相似非城市區(qū)域地形中空氣質(zhì)量監(jiān)測站產(chǎn)生的有標注數(shù)據(jù),采用遷移學(xué)習算法對每類特征分別建立初始模型。之后,基于本城市無空氣質(zhì)量監(jiān)測站區(qū)域的無標注數(shù)據(jù),采用協(xié)同學(xué)習算法對初始模型進行融合。最后,本文通過可視化方法實現(xiàn)了MTS4AE空氣質(zhì)量空間估計模型,并證明了該算法的有效性。
【學(xué)位授予單位】：浙江工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：X831;TP181
【圖文】：

我們發(fā)現(xiàn)：即便使用最為簡單的線性插值方法也能意的性能，但將這些模型運用在非城市區(qū)域時，其區(qū)域空氣質(zhì)量的空間波動較小，空間變化較為平穩(wěn)實際空氣質(zhì)量數(shù)據(jù)就可以較為準確進行空間估計。量空間估計通常比城市區(qū)域的空氣質(zhì)量空間估計析了中國的監(jiān)測站分布后，我們發(fā)現(xiàn)大部分的監(jiān)測少的監(jiān)測站部署在非城市區(qū)域。在許多城市，非城站。圖 1-2 顯示了部署在中國非城市區(qū)域的監(jiān)測站測站數(shù)量很少。這樣就會導(dǎo)致如下情況：我們使用時，模型能夠比較好地反映出城市區(qū)域的監(jiān)測值的區(qū)域監(jiān)測值的規(guī)律。更糟糕的是，由于在非城市區(qū)方法均是利用已有監(jiān)測站的數(shù)據(jù)進行性能評價，因域的估計性能不是很好，空氣質(zhì)量空間估計的平均

圖 2-1 GDBT 算法流程圖Figure 2-1. GBDT algorithm flow chartDT 樹每次迭代生成一棵決策樹，該決策樹的根節(jié)點和中間節(jié)點個或一組特征所滿足的條件。從根結(jié)點出發(fā)，當特征滿足某一GBDT 樹將搜索當前節(jié)點的左子樹，否則搜索當前節(jié)點的右子節(jié)點。這樣，對于每一組特征，都有且僅有一個葉子節(jié)點與這用 one-hot 形式表示。即每一次迭代均會產(chǎn)生一組長度為決策 one-hot 編碼。若經(jīng)過 T 輪迭代，則能夠產(chǎn)生一個長度為（決T）的特征向量，這個特征向量能在一定程度上反映出數(shù)據(jù)集aBoost 算法Boost[26]算法也屬于 Boosting 算法的一種，它通過調(diào)整樣本權(quán)集。在算法開始時，它賦予每個樣本相同的權(quán)重。之后的每輪錯誤的樣本權(quán)重，減小分類正確的樣本權(quán)重來強調(diào)分類錯誤的新的分類器。迭代 T 輪之后，將所有的分類器疊加，最終得到

樣本遷移示意圖

【相似文獻】

相關(guān)期刊論文 前10條

1 ;4月份重慶空氣質(zhì)量全國排第16位[J];新重慶;2013年06期

2 朱瑜;葉倩;;密閉的空間,哪款車的車內(nèi)空氣質(zhì)量較優(yōu)?[J];消費者報道;2015年10期

3 ;“人努力”不是一句空話[J];供電企業(yè)管理;2015年05期

4 ;歐盟欲對十三國處高額罰金[J];上海環(huán)境科學(xué);2005年02期

5 ;污染[J];中國石油石化;2019年08期

6 邵晨陽;;2017年上半年朝陽市空氣質(zhì)量分析[J];中國高新區(qū);2018年07期

7 白鳴;;如何利用植物提高住宅小區(qū)內(nèi)的空氣質(zhì)量[J];農(nóng)技服務(wù);2017年23期

8 王麗寧;代雨晴;;環(huán)保重點城市空氣質(zhì)量情況實證分析[J];河北企業(yè);2016年12期

9 程林婷;;新常態(tài)下空氣質(zhì)量現(xiàn)狀調(diào)查及對策分析——以濟南市為例[J];山西農(nóng)經(jīng);2016年12期

10 王麗寧;代雨晴;;環(huán)保重點城市空氣質(zhì)量情況實證分析[J];中國鄉(xiāng)鎮(zhèn)企業(yè)會計;2016年11期

相關(guān)會議論文 前10條

1 張志;;禁放煙花爆竹對鄭州市春節(jié)期間空氣質(zhì)量的影響分析[A];2017中國環(huán)境科學(xué)學(xué)會科學(xué)與技術(shù)年會論文集（第一卷）[C];2017年

2 鄭選軍;王國強;;回歸診斷在城市空氣質(zhì)量預(yù)報中的應(yīng)用研究[A];首屆長三角氣象科技論壇論文集[C];2004年

3 郭文濤;趙富強;常海林;;長治市主城區(qū)環(huán)境空氣質(zhì)量變化趨勢分析[A];2010中國環(huán)境科學(xué)學(xué)會學(xué)術(shù)年會論文集(第一卷)[C];2010年

4 張雅娟;張景峰;陳曦;;環(huán)境空氣質(zhì)量連續(xù)自動監(jiān)測系統(tǒng)的質(zhì)控管理[A];河北省土壤污染防治技術(shù)研討會論文集[C];2010年

5 張德權(quán);;淺析承德縣縣城空氣質(zhì)量變化趨勢及應(yīng)對措施[A];《河北環(huán)境科學(xué)》-華北五省市環(huán)境科學(xué)學(xué)會第十七屆年會論文集[C];2011年

6 何中波;;全面提升xZ口區(qū)環(huán)境空氣質(zhì)量路徑思考[A];2012中國環(huán)境科學(xué)學(xué)會學(xué)術(shù)年會論文集（第三卷）[C];2012年

7 李歆琰;韓雪;曹亞明;;淺析空氣質(zhì)量對霧霾天氣的影響[A];2013中國環(huán)境科學(xué)學(xué)會學(xué)術(shù)年會論文集（第五卷）[C];2013年

8 鄭選軍;王國強;;回歸診斷在城市空氣質(zhì)量預(yù)報中的應(yīng)用研究[A];首屆長三角科技論壇——氣象科技發(fā)展論壇論文集[C];2004年

9 雷正翠;董芹;霍焱;沈琰;焦振峰;馬天驕;陳雨;;常州城市空氣質(zhì)量變化特征及其與氣象條件的關(guān)系[A];中國氣象學(xué)會2008年年會大氣環(huán)境監(jiān)測、預(yù)報與污染物控制分會場論文集[C];2008年

10 陳正;孟潔;;2018年90個鄉(xiāng)鎮(zhèn)空氣質(zhì)量情況通報[A];對接京津——借勢京津 協(xié)同融合論文集[C];2019年

相關(guān)重要報紙文章 前10條

1 記者 符燁邦;我市召開空氣質(zhì)量預(yù)警座談會[N];朔州日報;2019年

2 本報記者 馬露露;全力促進空氣質(zhì)量持續(xù)改善[N];榆林日報;2019年

3 畢節(jié)日報全媒體中心記者 李肖榮;1-7月，全市環(huán)境空氣質(zhì)量優(yōu)良天數(shù)比率達99%[N];畢節(jié)日報;2019年

4 記者 向吟吟;1-7月環(huán)境空氣質(zhì)量持續(xù)向好[N];衡陽日報;2019年

5 記者 陳番番;我市空氣質(zhì)量連續(xù)6個月全省第一[N];隴南日報;2019年

6 湖北省生態(tài)環(huán)境廳;湖北省2019年1-7月環(huán)境空氣質(zhì)量重要數(shù)據(jù)通報[N];湖北日報;2019年

7 熊建華;豐城保衛(wèi)藍天提升空氣質(zhì)量[N];宜春日報;2019年

8 記者 黃曉娜 通訊員 惠環(huán)宣;前7月我市空氣質(zhì)量穩(wěn)中向好[N];惠州日報;2019年

9 記者 李鳳霞;聚焦目標 緊盯重點 苦干實干 狠抓落實 切實提升空氣質(zhì)量 確保交上滿意答卷[N];周口日報;2019年

10 記者 金明達;城區(qū)空氣質(zhì)量優(yōu)良天數(shù)率為91.4%[N];衡陽日報;2019年

相關(guān)博士學(xué)位論文 前10條

1 倪智振;杭州市空氣質(zhì)量保障數(shù)值模擬研究[D];浙江大學(xué);2018年

2 馬素琳;城市經(jīng)濟發(fā)展的異質(zhì)性對環(huán)境空氣質(zhì)量的影響研究[D];蘭州大學(xué);2016年

3 彭新德;長沙城市綠地對空氣質(zhì)量的影響及不同目標空氣質(zhì)量下綠地水量平衡研究[D];中南大學(xué);2014年

4 呂品;室內(nèi)空氣質(zhì)量控制中關(guān)鍵檢測技術(shù)的研究[D];大連理工大學(xué);2008年

5 郭勇濤;沙塵天氣對我國北方和鄰國日本大氣環(huán)境影響的初步研究[D];蘭州大學(xué);2013年

6 蔣志方;城市空氣質(zhì)量預(yù)測模型與數(shù)據(jù)可視化方法研究[D];山東大學(xué);2011年

7 王洪俊;吉林市濱水綠地群落結(jié)構(gòu)與生態(tài)效益及優(yōu)化對策研究[D];東北林業(yè)大學(xué);2014年

8 黃遠;多模態(tài)的空氣質(zhì)量分析及預(yù)測方法研究[D];燕山大學(xué);2017年

9 瑪麗亞伊克拉姆（Maria Ikram）;溫度波動對空氣質(zhì)量和呼吸系統(tǒng)疾病的季節(jié)性影響研究[D];北京理工大學(xué);2015年

10 龍鑫;基于衛(wèi)星遙感觀測和WRF-Dust/Chem的空氣質(zhì)量模擬[D];中國科學(xué)院研究生院(地球環(huán)境研究所);2016年

相關(guān)碩士學(xué)位論文 前10條

1 張恩會;基于灰色關(guān)聯(lián)與系統(tǒng)聚類的空氣質(zhì)量影響因素分析[D];湘潭大學(xué);2019年

2 呂鈺蓮;武漢市空氣質(zhì)量時空分布特征及氣象要素的影響[D];華中農(nóng)業(yè)大學(xué);2019年

3 李一帆;基于地形特征與多視圖學(xué)習的空氣質(zhì)量空間估計方法研究[D];浙江工業(yè)大學(xué);2019年

4 李勇輝;北京市空氣質(zhì)量的空間統(tǒng)計分析研究[D];華北電力大學(xué)(北京);2019年

5 阮竹容;空氣質(zhì)量與城鎮(zhèn)化互動關(guān)系及其耦合協(xié)調(diào)發(fā)展研究[D];北京交通大學(xué);2019年

6 張菁華;城市綠化對空氣質(zhì)量的影響研究[D];東北林業(yè)大學(xué);2019年

7 楊燕燕;城市建成環(huán)境影響空氣質(zhì)量的作用機制研究[D];華中科技大學(xué);2019年

8 張鑫;基于灰色理論的西安空氣質(zhì)量預(yù)警系統(tǒng)研究與實現(xiàn)[D];長安大學(xué);2019年

9 展云逸;空氣質(zhì)量對旅游經(jīng)濟的影響分析[D];上海交通大學(xué);2016年

10 李嘉賓;基于融合空氣質(zhì)量模擬與監(jiān)測數(shù)據(jù)的顆粒物污染控制健康效益評估[D];華南理工大學(xué);2019年

本文編號：2761164