期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Pearson相关指标的BP神经网络PM2.5预测模型
被引量:
7
1
作者
张怡文
敖希琴
+3 位作者
时培俊
郭傲东
费久龙
陈家丽
《青岛大学学报(自然科学版)》
CAS
2017年第2期83-87,91,共6页
为了降低PM2.5设备预测成本,同时分析大气因素与污染物的相关性,选取O3、CO、PM10、SO2、NO2污染物指标预测PM2.5,之后加入温度、湿度、风力等大气指标,建立综合气象的指标体系,采用pearson算法对指标进行合并,用pearson相关指标的BP神...
为了降低PM2.5设备预测成本,同时分析大气因素与污染物的相关性,选取O3、CO、PM10、SO2、NO2污染物指标预测PM2.5,之后加入温度、湿度、风力等大气指标,建立综合气象的指标体系,采用pearson算法对指标进行合并,用pearson相关指标的BP神经网络的方法再次对PM2.5做预测。对比实验证明,基于pearson相关指标的BP神经网络PM2.5预测模型在提高了预测准确率的同时降低了预测的时间复杂度,起到了降低PM2.5预测成本的目的。
展开更多
关键词
PM2.5
神经网络
预测
pearson
下载PDF
职称材料
合肥地区PM2.5及污染物季节相关性分析
2
作者
张怡文
倪标
+3 位作者
郭傲东
费久龙
陈家丽
吴海龙
《蚌埠学院学报》
2018年第2期19-22,共4页
PM2.5多次成为空气质量评价标准中的首要污染物,对PM2.5及其它5种污染物之间的相关性做定量相关性分析。由于污染物受地域和季节影响较大,对全年数据进行统计,无法正确地分析污染物之间的相关性。针对以上问题,选择合肥市2015年全年的PM...
PM2.5多次成为空气质量评价标准中的首要污染物,对PM2.5及其它5种污染物之间的相关性做定量相关性分析。由于污染物受地域和季节影响较大,对全年数据进行统计,无法正确地分析污染物之间的相关性。针对以上问题,选择合肥市2015年全年的PM2.5和PM10、O_3、CO、SO_2、NO_2的6项因素,并且将数据划分为春、夏、秋、冬四季,按季节对PM2.5及PM10、O_3、CO、SO_2、NO_2因素进行相关性分析讨论。结果表明,随着季节的变化,与PM2.5相关的首要污染物因素也在发生相应变化,相关性随季节变化特征明显。
展开更多
关键词
PM2.5污染物
季节特征
气象影响因素
相关系数
下载PDF
职称材料
合肥地区PM2.5季节特征及气象影响因素分析
3
作者
张怡文
倪标
+3 位作者
郭傲东
费久龙
陈家丽
吴海龙
《黄山学院学报》
2018年第3期69-73,共5页
气象因素能够对PM2.5浓度产生显著影响,气象因素的改变会减轻或加剧PM2.5浓度值。气象因素和PM2.5浓度值随着季节的变化而变化,并且具有明显的区域性特征,所以对全年的PM2.5和气象相关因素进行分析,不能准确反映PM2.5和气象因素之间的...
气象因素能够对PM2.5浓度产生显著影响,气象因素的改变会减轻或加剧PM2.5浓度值。气象因素和PM2.5浓度值随着季节的变化而变化,并且具有明显的区域性特征,所以对全年的PM2.5和气象相关因素进行分析,不能准确反映PM2.5和气象因素之间的相关性。选择合肥市2015年全年的PM2.5和气象影响因素,并对全年数据按春、夏、秋、冬四季进行划分,按季节对PM2.5特征及气象影响因素进行相关性分析讨论。结果表明,春、夏、秋3个季节的气象首要影响因素为风速,且负相关,说明风有利于PM2.5的扩散;在PM2.5污染严重的冬季,气象首要影响因素为温度,且呈正相关,说明气温较低的冬季逆温层较厚,不利于PM2.5的扩散;降水量和相对湿度对PM2.5的影响随季节呈正负相关变化,说明由于不同季节降水量的不同,对PM2.5的影响随季节变化特征显著;气压、风向对PM2.5影响较小,相关系数随季节变化特征显著。
展开更多
关键词
PM2.5
季节特征
气象影响因素
相关系数
下载PDF
职称材料
融合知识图谱与图片特征的推荐模型
被引量:
2
4
作者
陈乔松
郭傲东
+2 位作者
杜雨露
张怡文
朱越
《电子与信息学报》
EI
CSCD
北大核心
2022年第5期1723-1733,共11页
目前知识图谱研究主要面向信息检索、自然语言理解等领域,在推荐系统中融合知识图谱成为推荐领域学者广泛关注的问题。为了解决单一知识图谱忽略的丰富知识信息,该文对知识图谱进行多模态扩展,并提出一种融合知识图谱与图片特征的推荐模...
目前知识图谱研究主要面向信息检索、自然语言理解等领域,在推荐系统中融合知识图谱成为推荐领域学者广泛关注的问题。为了解决单一知识图谱忽略的丰富知识信息,该文对知识图谱进行多模态扩展,并提出一种融合知识图谱与图片特征的推荐模型(KG-I)。不同于其他基于知识图谱的推荐算法,该方法增加视觉嵌入、知识嵌入和结构嵌入去挖掘用户项目之间的隐式反馈信息。该模型利用深度游走模型(Deep Walk)捕获空间结构的方法和波纹网络模型(RippleNet)挖掘知识图谱的知识表达的思想,并且考虑图片对用户偏好的影响,有效地将信息进行融合,并在真实数据集上与其他模型实验比较,研究多种特征的影响,分析不同稀疏度数据下的表现。结果表明,融合知识图谱与图片特征的个性化推荐模型完全优于其他的对比算法并且有效缓解数据稀疏情况。
展开更多
关键词
图像处理
知识图谱
数据融合
多模态
下载PDF
职称材料
基于PCA-BP神经网络的PM2.5季节性预测方法研究
被引量:
13
5
作者
张怡文
郭傲东
+2 位作者
吴海龙
袁宏武
董云春
《南京林业大学学报(自然科学版)》
CAS
CSCD
北大核心
2020年第5期231-238,共8页
【目的】分季节预测PM2.5浓度值,利用PCA方法对数据进行降维,分析季节及气象因素对PM2.5的影响,在提高预测准确率的同时降低时间复杂度。【方法】以合肥市2014—2017年的PM10、SO2、CO2、CO、O3浓度值,以及同时段的气象因素值,对PM2.5...
【目的】分季节预测PM2.5浓度值,利用PCA方法对数据进行降维,分析季节及气象因素对PM2.5的影响,在提高预测准确率的同时降低时间复杂度。【方法】以合肥市2014—2017年的PM10、SO2、CO2、CO、O3浓度值,以及同时段的气象因素值,对PM2.5浓度进行预测。数据分析中发现PM2.5在不同季节浓度差异较大,故本研究选择分季节进行预测;为了提高预测准确率,加入如风力、温度、湿度、气压等气象因素进行预测,同时采用主成分分析(PCA)的方法进行数据降维,将降维后的数据再输入BP神经网络模型进行预测。【结果】实验采用3组实验进行对比:5种污染物指标(PM2.5-5)预测PM2.5、加入气象因素的综合12项指标(PM2.5-12)预测PM2.5、对综合指标进行PCA处理后的(PM2.5-PCA)预测PM2.5。实验结果表明:4个季节的PM2.5浓度值有较大变化,均方根误差(RMSE)的差值较大;采用PM2.5-PCA的方法,在任何季节的RMSE均有降低,相关系数(r)均有所提高。【结论】PM2.5浓度具有季节性特征,采用季节性预测方法可以提高预测准确率;同时采用PCA方法进行降维,可以在保证准确率的同时降低预测时间复杂度。
展开更多
关键词
PM2.5
神经网络
预测
主成分分析
原文传递
题名
基于Pearson相关指标的BP神经网络PM2.5预测模型
被引量:
7
1
作者
张怡文
敖希琴
时培俊
郭傲东
费久龙
陈家丽
机构
安徽新华学院信息工程学院
出处
《青岛大学学报(自然科学版)》
CAS
2017年第2期83-87,91,共6页
基金
安徽省高校自然科学重点项目(批准号:KJ2015A309)资助
文摘
为了降低PM2.5设备预测成本,同时分析大气因素与污染物的相关性,选取O3、CO、PM10、SO2、NO2污染物指标预测PM2.5,之后加入温度、湿度、风力等大气指标,建立综合气象的指标体系,采用pearson算法对指标进行合并,用pearson相关指标的BP神经网络的方法再次对PM2.5做预测。对比实验证明,基于pearson相关指标的BP神经网络PM2.5预测模型在提高了预测准确率的同时降低了预测的时间复杂度,起到了降低PM2.5预测成本的目的。
关键词
PM2.5
神经网络
预测
pearson
Keywords
PM2. 5
neural networks
prediction
pearson
分类号
TP391.6 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
合肥地区PM2.5及污染物季节相关性分析
2
作者
张怡文
倪标
郭傲东
费久龙
陈家丽
吴海龙
机构
安徽新华学院信息工程学院
火箭军指挥学院
出处
《蚌埠学院学报》
2018年第2期19-22,共4页
基金
安徽省高校自然科学重点项目(KJ2015A309)
文摘
PM2.5多次成为空气质量评价标准中的首要污染物,对PM2.5及其它5种污染物之间的相关性做定量相关性分析。由于污染物受地域和季节影响较大,对全年数据进行统计,无法正确地分析污染物之间的相关性。针对以上问题,选择合肥市2015年全年的PM2.5和PM10、O_3、CO、SO_2、NO_2的6项因素,并且将数据划分为春、夏、秋、冬四季,按季节对PM2.5及PM10、O_3、CO、SO_2、NO_2因素进行相关性分析讨论。结果表明,随着季节的变化,与PM2.5相关的首要污染物因素也在发生相应变化,相关性随季节变化特征明显。
关键词
PM2.5污染物
季节特征
气象影响因素
相关系数
Keywords
PM2.5 pollutants
seasonal characteristics
meteorological factors
correlation coefficient
分类号
X823 [环境科学与工程—环境工程]
下载PDF
职称材料
题名
合肥地区PM2.5季节特征及气象影响因素分析
3
作者
张怡文
倪标
郭傲东
费久龙
陈家丽
吴海龙
机构
安徽新华学院信息工程学院
火箭指挥学院
出处
《黄山学院学报》
2018年第3期69-73,共5页
基金
安徽省高校自然科学研究重点项目(KJ2015A309)
安徽省高校优秀青年人才计划项目(gxyg ZD2018087)
文摘
气象因素能够对PM2.5浓度产生显著影响,气象因素的改变会减轻或加剧PM2.5浓度值。气象因素和PM2.5浓度值随着季节的变化而变化,并且具有明显的区域性特征,所以对全年的PM2.5和气象相关因素进行分析,不能准确反映PM2.5和气象因素之间的相关性。选择合肥市2015年全年的PM2.5和气象影响因素,并对全年数据按春、夏、秋、冬四季进行划分,按季节对PM2.5特征及气象影响因素进行相关性分析讨论。结果表明,春、夏、秋3个季节的气象首要影响因素为风速,且负相关,说明风有利于PM2.5的扩散;在PM2.5污染严重的冬季,气象首要影响因素为温度,且呈正相关,说明气温较低的冬季逆温层较厚,不利于PM2.5的扩散;降水量和相对湿度对PM2.5的影响随季节呈正负相关变化,说明由于不同季节降水量的不同,对PM2.5的影响随季节变化特征显著;气压、风向对PM2.5影响较小,相关系数随季节变化特征显著。
关键词
PM2.5
季节特征
气象影响因素
相关系数
Keywords
PM2.5
seasonal characteristics
meteorological factors
correlation coefficient
分类号
X823 [环境科学与工程—环境工程]
下载PDF
职称材料
题名
融合知识图谱与图片特征的推荐模型
被引量:
2
4
作者
陈乔松
郭傲东
杜雨露
张怡文
朱越
机构
重庆邮电大学计算机科学与技术学院
安徽新华学院信息工程学院
河南农业大学信息与管理科学学院
出处
《电子与信息学报》
EI
CSCD
北大核心
2022年第5期1723-1733,共11页
基金
重庆邮电大学社科项目(K2021-114)。
文摘
目前知识图谱研究主要面向信息检索、自然语言理解等领域,在推荐系统中融合知识图谱成为推荐领域学者广泛关注的问题。为了解决单一知识图谱忽略的丰富知识信息,该文对知识图谱进行多模态扩展,并提出一种融合知识图谱与图片特征的推荐模型(KG-I)。不同于其他基于知识图谱的推荐算法,该方法增加视觉嵌入、知识嵌入和结构嵌入去挖掘用户项目之间的隐式反馈信息。该模型利用深度游走模型(Deep Walk)捕获空间结构的方法和波纹网络模型(RippleNet)挖掘知识图谱的知识表达的思想,并且考虑图片对用户偏好的影响,有效地将信息进行融合,并在真实数据集上与其他模型实验比较,研究多种特征的影响,分析不同稀疏度数据下的表现。结果表明,融合知识图谱与图片特征的个性化推荐模型完全优于其他的对比算法并且有效缓解数据稀疏情况。
关键词
图像处理
知识图谱
数据融合
多模态
Keywords
Image processing
Knowledge graph
Data fusion
Multimodality
分类号
TN911.73 [电子电信—通信与信息系统]
TP311 [自动化与计算机技术—计算机软件与理论]
下载PDF
职称材料
题名
基于PCA-BP神经网络的PM2.5季节性预测方法研究
被引量:
13
5
作者
张怡文
郭傲东
吴海龙
袁宏武
董云春
机构
安徽新华学院信息工程学院
重庆邮电大学计算机科学与技术学院
出处
《南京林业大学学报(自然科学版)》
CAS
CSCD
北大核心
2020年第5期231-238,共8页
基金
安徽省高校优秀青年人才支持计划项目(gxyqZD2018087)
安徽省高校自然科学重点项目(KJ2019A0877)。
文摘
【目的】分季节预测PM2.5浓度值,利用PCA方法对数据进行降维,分析季节及气象因素对PM2.5的影响,在提高预测准确率的同时降低时间复杂度。【方法】以合肥市2014—2017年的PM10、SO2、CO2、CO、O3浓度值,以及同时段的气象因素值,对PM2.5浓度进行预测。数据分析中发现PM2.5在不同季节浓度差异较大,故本研究选择分季节进行预测;为了提高预测准确率,加入如风力、温度、湿度、气压等气象因素进行预测,同时采用主成分分析(PCA)的方法进行数据降维,将降维后的数据再输入BP神经网络模型进行预测。【结果】实验采用3组实验进行对比:5种污染物指标(PM2.5-5)预测PM2.5、加入气象因素的综合12项指标(PM2.5-12)预测PM2.5、对综合指标进行PCA处理后的(PM2.5-PCA)预测PM2.5。实验结果表明:4个季节的PM2.5浓度值有较大变化,均方根误差(RMSE)的差值较大;采用PM2.5-PCA的方法,在任何季节的RMSE均有降低,相关系数(r)均有所提高。【结论】PM2.5浓度具有季节性特征,采用季节性预测方法可以提高预测准确率;同时采用PCA方法进行降维,可以在保证准确率的同时降低预测时间复杂度。
关键词
PM2.5
神经网络
预测
主成分分析
Keywords
PM2.5
neural networks
prediction
principal component analysis(PCA)
分类号
X831 [环境科学与工程—环境工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于Pearson相关指标的BP神经网络PM2.5预测模型
张怡文
敖希琴
时培俊
郭傲东
费久龙
陈家丽
《青岛大学学报(自然科学版)》
CAS
2017
7
下载PDF
职称材料
2
合肥地区PM2.5及污染物季节相关性分析
张怡文
倪标
郭傲东
费久龙
陈家丽
吴海龙
《蚌埠学院学报》
2018
0
下载PDF
职称材料
3
合肥地区PM2.5季节特征及气象影响因素分析
张怡文
倪标
郭傲东
费久龙
陈家丽
吴海龙
《黄山学院学报》
2018
0
下载PDF
职称材料
4
融合知识图谱与图片特征的推荐模型
陈乔松
郭傲东
杜雨露
张怡文
朱越
《电子与信息学报》
EI
CSCD
北大核心
2022
2
下载PDF
职称材料
5
基于PCA-BP神经网络的PM2.5季节性预测方法研究
张怡文
郭傲东
吴海龙
袁宏武
董云春
《南京林业大学学报(自然科学版)》
CAS
CSCD
北大核心
2020
13
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部