耦合遗传算法与RBF神经网络的PM2.5浓度预测模型

基于北京市空气质量监测点获取的空气污染物浓度数据,通过遗传算法搜索径向基人工神经网络的最优隐含层神经元数目和扩展常数,构建了耦合径向基人工神经网络算法与遗传算法的预测模型,预测北京市未来一天24h平均PM2.5质量浓度.结果表明,预测精度与泛化性能良好.该模型不需要输入气象和地理位置信息等数据,具有依赖变量少、预测精度高(R 2达0.75)和运算效率高等特征,并可以通过训练样本的驱动,使自身不断优化调整.该模型预测效果可以通过扩展输入特征、增加训练样本量等方法进一步提升,可对多种时空情境下的城市空气污染进行高效率且精确的预测.

基于增强现实和地理围栏的社交网络系统设计

基于位置的社交网络受限于二维的多媒体内容形式,并且这些社交内容与位置的联系仍不够紧密。为优化基于位置的社交网络,提出了一套将增强现实(augmented reality,AR)技术和地理围栏技术应用于社交网络的系统设计方案。在特定区域内将载有社交媒体的虚拟模型叠加到用户移动终端捕捉到的场景中,呈现逼真的增强现实效果。基于ARKit和CoreLocation框架,在iOS平台上完成了系统。该系统实现了移动增强现实环境下用户之间的信息交流与互动,增强了用户社交场景感知。