本文關(guān)鍵詞： 霧霾 數(shù)據(jù)稀疏性 多視圖學(xué)習(xí)　出處：《浙江大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著我國現(xiàn)代化進程的推進,國民對自身的生活環(huán)境要求也與日劇增,而作為公眾關(guān)注的霧霾問題首當(dāng)其沖。PM2.5作為研究霧霾影響的重要監(jiān)測指標(biāo),基于地面的監(jiān)測站點能夠提供精確的霧霾監(jiān)測值但數(shù)量卻相當(dāng)有限�；谛l(wèi)星大面積的氣溶膠濃度觀測數(shù)據(jù),可以有效地給予大范圍霧霾形成和預(yù)測研究提供海量的數(shù)據(jù)支持,但是由于衛(wèi)星的周期性運動造成數(shù)據(jù)的不完整和大氣層及地形地貌影響數(shù)據(jù)獲取的準(zhǔn)確性,使得基于衛(wèi)星的觀測數(shù)據(jù)質(zhì)量較低。針對上述霧霾分析應(yīng)用中的數(shù)據(jù)稀疏性問題,我們圍繞多視圖的方法研究以下幾個方面的內(nèi)容:首先,我們根據(jù)衛(wèi)星監(jiān)測得到的氣溶膠濃度來擬合該地的PM2.5值以此來解決霧霾觀測數(shù)據(jù)的地域覆蓋不全;其次,獲取不同衛(wèi)星設(shè)備監(jiān)測到的數(shù)據(jù)結(jié)合多視圖學(xué)習(xí)模型融合多數(shù)據(jù)源數(shù)據(jù)在不補全數(shù)據(jù)的情況下提高擬合后PM2.5數(shù)據(jù)的準(zhǔn)確性;最后,采用以python為主的技術(shù)棧實現(xiàn)原始數(shù)據(jù)的自動獲取和天地一體空氣質(zhì)量監(jiān)測展示系統(tǒng),極大地提高開發(fā)的效率和數(shù)據(jù)可視化呈現(xiàn)效果,易于實驗和操作。實驗結(jié)果表明,本文采用的霧霾預(yù)測模型在合成數(shù)據(jù)和氣溶膠數(shù)據(jù)方面都有極強的魯棒性和可靠性。
[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.
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：X513;X87

【相似文獻】

相關(guān)期刊論文 前4條

1 丁淑輝;鐘佩思;王艷霞;韓樹才;;基于信息流的多視圖產(chǎn)品開發(fā)過程建模方法研究[J];煤礦機械;2012年06期

2 毋濤;姜壽山;;BOM多視圖及其轉(zhuǎn)換(英文)[J];陜西科技大學(xué)學(xué)報;2006年04期

3 孫祥娥,劉益成;多視圖類多文檔模板在VC++中的實現(xiàn)[J];石油儀器;2000年02期

4 毋濤;姜壽山;陳永當(dāng);張建華;;基于擴展Gozintograph的BOM多視圖研究[J];重型機械;2006年04期

相關(guān)會議論文 前3條

1 張秀芬;裴承慧;胡志勇;;在OpenGL中實現(xiàn)多視圖表示[A];第十四屆全國圖學(xué)教育研討會暨第六屆制圖CAI課件演示交流會論文集（下冊）[C];2004年

2 趙旭;劉克;吳威;;多視圖三維重建技術(shù)和不確定問題[A];第八屆中國不確定系統(tǒng)年會論文集[C];2010年

3 張巖;楊冬青;唐世渭;;Web倉儲中的多視圖一致性維護[A];第十九屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2002年

相關(guān)博士學(xué)位論文 前10條

1 楊琬琪;多視圖特征選擇與降維方法及其應(yīng)用研究[D];南京大學(xué);2015年

2 李晉;基于多視圖鑒別特征學(xué)習(xí)的分類算法[D];中國礦業(yè)大學(xué)(北京);2016年

3 吳飛;多視圖特征學(xué)習(xí)方法研究[D];南京郵電大學(xué);2016年

4 錢強;復(fù)雜場景下的多視圖學(xué)習(xí)方法研究[D];南京航空航天大學(xué);2013年

5 田文;多視圖圖像的快速三維場景重建[D];華中科技大學(xué);2010年

6 徐帆;無組織多視圖圖像的自動化三維場景重建[D];華中科技大學(xué);2007年

7 周旭東;基于不同多視圖數(shù)據(jù)場景的典型相關(guān)分析研究和應(yīng)用[D];南京航空航天大學(xué);2013年

8 蘇樹智;多視圖典型相關(guān)分析的理論研究和應(yīng)用[D];江南大學(xué);2017年

9 李亞蘭;基于空間一致生長的多視圖三維重建[D];華中師范大學(xué);2017年

10 段春梅;基于多視圖的三維模型重建方法研究[D];山東大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 周艷杰;基于多視圖的交互式機械建模[D];鄭州大學(xué);2015年

2 洪鑫;基于多視圖哈希的圖書推薦系統(tǒng)的研究與實現(xiàn)[D];浙江大學(xué);2015年

3 龍躍;基于產(chǎn)品BOM的多視圖應(yīng)用及實現(xiàn)[D];電子科技大學(xué);2014年

4 王世佳;RF數(shù)據(jù)記錄系統(tǒng)的重放軟件設(shè)計[D];電子科技大學(xué);2014年

5 王家亮;基于片元多視圖重建在未標(biāo)定序列圖像重建上的應(yīng)用[D];東北大學(xué);2014年

6 陶萌;基于語義元的產(chǎn)品信息多視圖語義研究[D];浙江工業(yè)大學(xué);2015年

7 賈超;基于多視圖的瓦當(dāng)三維模型重建的研究與實現(xiàn)[D];西北大學(xué);2015年

8 吳珊珊;基于多視圖稀疏嵌入分析的識別算法研究[D];南京郵電大學(xué);2015年

9 高翔;基于多視圖幾何約束的大尺寸視覺測量技術(shù)研究[D];中國海洋大學(xué);2015年

10 鄧強;多視圖子空間聚類集成方法研究及分布式實現(xiàn)[D];西南交通大學(xué);2016年

，

本文編號：1455615