图像去雾中深度学习数据增强方法

图像去雾是图像处理领域中非常重要的问题。深度学习可以有效提高图像清晰度,但训练过程中由于缺少相对应的真实雾匹配数据对,多采用合成雾作为数据集。现有合成雾多依赖于深度信息、大气散射系数等参数,针对由此作为数据集训练容易造成颜色失真和去雾不彻底的问题,提出基于循环生成对抗网络(CycleGAN)合成雾方法。通过该网络进行不匹配数据对训练学习有雾图像的特征,然后赋予清晰图片真实雾特征并与其自身构成匹配数据对,最后再用此类数据集进行去雾训练。结果表明,这些数据集可以有效解决颜色失真和去雾不彻底等问题。

基于神经网络的城市大气雾霾污染短时预测方法研究

受到城市区域气候变化快、特征隐秘性强、可分析时间段短的影响,大气雾霾污染变化特征差异较大,短时预测适应性降低,由此,设计了基于神经网络的城市大气雾霾污染短时预测方法。构建神经网络预测结构,利用神经元的遗传特征,关联每一时间点下的有效雾霾特征,保证预测量信息特征范围的最大化,确定雾霾污染函数预测信息及其相关配置函数,进行大气雾霾短时预测层计算输出,获得短时预测结果。实验数据表明,提出方法具备减小预测误差,优化预测逻辑环境,提升预测速度的能力,保证适应性强,具有较高的推广与研究价值。

基于Fast R-CNN网络的雾霾天人车防碰撞研究

由于雾霾天气对车辆视线的干扰,容易导致交通事故的发生。基于Fast R-CNN网络的雾霾天人车防碰撞系统,提出了一种基于深度学习的防碰撞方法。首先,采用深度学习算法对人车进行实时目标检测,以便及时发现前方车辆和障碍物。其次,对检测到的障碍物进行分类和跟踪,以便对其进行有效避让。最后,通过实验验证了提出的方法在雾霾天气下的有效性和可行性。实验结果表明,该方法可以有效提高人车在雾霾天气下的行驶安全性和稳定性,避免碰撞事故的发生。

基于神经网络的城市大气雾霾污染短时预测方法研究

城市大气雾霾污染短时预测性会影响人们日常出行,威胁人们生命健康,为了避免雾霾所造成的生命安全问题,提出基于神经网络的城市大气雾霾污染短时预测方法,该方法通过分析产生城市大气雾霾的原因,获取工业生产排放、煤炭排放和汽车尾气在合成雾霾时所需要的量,并将三者代入神经网络中,结合线性组合器构建雾霾短时预测模型,根据模型输出结果实现城市大气雾霾污染短时预测。实验结果表明,基于神经网络的城市大气雾霾污染短时预测方法应用后,短时预测准确性高。

基于大数据技术的雾霾天气预测模型研究

雾霾天气成因复杂,预测较为困难。经深入分析相关技术和文献资料,在大数据技术支持下,将时空维度中已知空气质量数据与气象数据动态集成,构建了一种基于深度神经网络技术在时间维度和空间维度相融合的空气质量预测模型——基于深度神经网络的空气质量预测模型。经实验证实,此模型可预测目标站点未来的空气质量状况,且预测结果更加准确,可为环境治理提供理论参考。

古生物化石智能化识别方法及应用

对古生物化石的准确识别,不仅在古生物学研究中非常重要,而且是油气勘探的重要环节。古生物化石既可以厘定地层年代和沉积环境,也可以判断烃源岩沉积期的有机质富集条件。该研究以种一级Globoquadrina dehiscens、Glo⁃borotalia fohsi、Globorotalia menardii三类样本为例,提出一项古生物化石智能化识别方法,该方法基于图像处理方法和深度学习技术,通过图像形态学定位,图像背景处理,图像边缘扩充,图像旋转,图像加噪等一系列方法将样本从384个扩充至12288个,再使用基于卷积神经网络的VGG16架构对样本进行分类,其分类准确率可达92%以上。该项识别方法在油气勘探领域具有较强的实用价值和推广前景。

关于空气雾霾PM_(2.5)含量预测优化研究

对于空气雾霾中PM_(2.5)含量的预测研究逐渐得到重视,而预测结果的准确度并不理想。为了提高预测效果,利用灰色GM(1,1)模型得到PM_(2.5)初始预测值,用BP神经网络函数逼近特点对残差进行处理,建立了PM_(2.5)含量预测模型。以长春市的PM_(2.5)含量实时监测数据为样本,应用.Net环境下C++语言编程实现,对长春市PM_(2.5)含量进行预测仿真,并对仿真结果进行了分析。仿真结果表明,上述模型对于PM_(2.5)含量的预测结果准确度更高,预测效果更好。

基于BP人工神经网络的雾霾天气预测研究

在雾霾天气准确预测的研究中,为更好的反映长春市空气质量状况,对长春市的PM2.5含量实测数据与同期的气象资料进行了分析。为科学准确地预测雾霾天气,根据BP人工神经网络可以逼近任意非线性函数的特点,提出了采用BP人工神经网络的雾霾天气预测系统。以长春市的PM2.5实时监测数据为时间序列数据样本,应用C++语言进行编程实现。最后建立了基于时间序列的BP神经网络雾霾天气预测模型。仿真结果表明,该模型能够较准确的预测雾霾天气。提高了预测的有效性和实用性。

雾霾污染的城市间动态关联及其成因研究

面对严重的雾霾天气以及雾霾污染边界不断扩张的严峻挑战,加快创新大气污染联防联控体系以形成跨区域协同治污合力势在必行。本文基于京津冀、长三角、珠三角、成渝、长中游等五大地区96个城市2015年的空气质量指数(AQI)以及PM_(2.5)、PM_(10)、SO_2、CO、NO_2、O^3等6种分项污染物的逐日数据,从时间序列数据"预测能力"的视角,在向量自回归模型框架下识别雾霾污染的城市间动态交互影响效应,运用社会网络分析方法刻画雾霾污染空间关联的网络结构特征。在此基础上,运用二次指派程序从分项污染物视角考察雾霾污染空间关联的关键诱因,并利用双变量Moran指数揭示雾霾污染与其影响因素之间的空间相关性。研究发现,城市雾霾污染之间存在普遍的动态关联关系且呈现出联系紧密、稳定性强、带有明显特征的多线程复杂网络结构形态。不论在地区内部还是在全部样本城市当中,均不存在孤立的城市节点,这意味着面对雾霾污染的空间关联网络,任何一个城市都不能独善其身,均受到来自地区内部和地区以外其他城市以及它们构成的空间关联网络的影响。在六种分项污染物中,PM_(2.5)的空间关联是导致雾霾污染空间关联的最主要诱因。城市雾霾污染与其影响因素尤其是城市人口密度、投资强度、工业污染排放之间存在显著的空间相关性。基于上述结论,中国应当加快构建以防控PM_(2.5)为重点的跨区域雾霾污染协同治理机制,并将其融入城市群发展战略以及区域发展战略之中,最终实现包含雾霾污染协同治理在内的全方位的区域协同发展。

珠江三角洲地区的灰霾监控与卫星遥感

灰霾是目前珠江三角洲地区主要的空气污染之一,且呈逐年上升趋势。从灰霾的形成及特性分析着手,分析了现有监测方法及局限性,考虑到灰霾形成机理复杂、演变缓慢、区域大、边界模糊等特点,论述了卫星遥感应用于灰霾监控的可行性和必要性。结果表明,在现有的理化分析和一些新技术应用基础上,将卫星遥感作为一种补充,构建天地基站相结合的监控网络是十分必要的。

中国雾霾污染的空间关联研究

本文利用非线性Granger因果检验识别了我国279个城市间雾霾污染的空间依赖关系,结合多样化的网络分析方法与滚动窗口技术揭示出雾霾污染空间关联的整体特征与微观模式,进而基于指数随机图模型考察了雾霾污染空间关联的影响因素及作用机制。研究发现:样本城市间普遍存在雾霾污染依赖关系并且这种空间关联的紧密程度逐渐上升,近年来我国大范围雾霾污染的频繁爆发与雾霾污染区域性特征的日趋强化密切相关。除了自然因素之外,人类经济社会活动在雾霾污染空间关联的形成中发挥了重要作用。本文的研究结论对雾霾污染及其区域传输的还原论、自然决定论等观点进行了有力的反驳,有助于确立人在雾霾治理中的主观能动性。

高压直流绝缘子积污特性数值模拟与预测

为探讨高压直流线路复合绝缘子在不同环境下的积污特性,建立了基于流体力学原理的高压直流绝缘子积污仿真模型。通过自然积污试验验证了仿真模型的可行性,根据仿真数据建立了基于神经网络算法的粒子撞击率预测模型,使模型更具有实用性。结果表明:雾霾环境下,风速低时电场力作用明显,风速大于1 m/s时电场力影响较小;大风环境下,粒径小于80μm时风速对上表面积污影响不大,粒径大于80μm时上表面粒子撞击率随风速的增大而减小,下表面粒子撞击率几乎为0,粒径对整体粒子撞击率的影响比风速大;风向不水平时,气流向上使下表面粒子撞击率增加,气流向下使上表面粒子撞击率增加。研究成果可用于高压直流绝缘子积污机理研究,并为外绝缘设计及线路运行维护提供依据。

基于网络舆情的雾霾对旅游者偏好影响路径分析

雾霾已成为影响旅游业发展的旅游危机事件,以网络舆情为依据,透视雾霾问题对旅游者偏好的影响路径,发现旅游活动群体对雾霾问题的敏感性越来越强,以旅游逃离雾霾的观念快速传播,媒体宣传导向、旅行社与OTA的产品引导迅速改变着旅游者偏好,国内旅游流和入境旅游流的流向均出现了分化。另外,由于雾霾的多发地和多发季节与旅游流存在着时空上的错位,也在某种程度上削弱了其对我国旅游业的影响。

面向异构网络的区域雾霾预警系统

为了有效地对雾霾进行预警与防范,设计了面向异构网络的区域雾霾预警系统.该系统由采集模组,协调器,网关,服务器,显示终端组成,通过部署LoRa、NB-IoT、ZigBee 3种异构网络全面采集传感器数据,设计网关实现数据的上传,服务器作为预警系统的大脑,提供对环境信息的分析与处理,触发相应的机制响应并采取相应措施,实现分级预警.介绍了系统的总体设计方案以及分级预警的工作机制,并利用遗传算法优化后的支持向量回归模型完善分级预警机制,最后通过案例分析论证了该系统能够稳定、有效地对雾霾进行预警.

网络雾霾协同治理研究

"网络雾霾"是大量网络垃圾如同"雾霾"一般,弥漫在网络空间中,并由此引发了一系列的信息安全问题。在分析"网络雾霾"相关内涵的基础上,重点探讨了"网络雾霾"协同治理面临的参与性、制度性与技术性难题,进而提出应当以政府主导、多方联动为目标,协同主体参与立法与制度建设以及坚持技术的自主研发与引进吸收相结合的发展策略,以期为协同治理"网络雾霾"提供理论参考。

基于贝叶斯网络的雾霾重点污染源排放预测

为有效解决雾霾重点污染源监测信息异常问题,提出多条件下基于贝叶斯网络反演的雾霾重点污染源排放预测模型。构建污染源排放预测指标体系,对预测指标进行规范化处理;在基于相对熵最小优化模型基础上,给出预测指标的权重,以量化的方式给出污染源的污染等级,保证预测结果的可靠性和准确性。通过实例验证了所提算法的有效性,理论分析和系统测试结果表明,该方法具有较高的精度。

基于GA-BP神经网络的“雾霾”天气预测研究

指出了随着城镇化进程的快速发展,空气质量问题受到极大关注。大数据背景下,基于人工智能相关技术,对“雾霾”天气进行科学、合理地预测与预警已经成为研究的热点。基于遗传法算法和BP人工神经网络,建立了“雾霾”预测模型,收集了长春市的PM 2.5含量数据,通过实例进行了验证,结果表明:该模型相较于传统的BP人工神经网络模型,在预测的准确度上有了较大的提高。为长春市空气质量的预测、预警提供了可行的理论依据。

基于贝叶斯模型的雾霾天高速公路交通事故发生机理研究

对道路交通事故发生机理的研究是预防道路交通事故、改善交通安全状况的理论基础。针对雾霾天气高速公路事故频发的现状,分析了雾霾天气下高速公路交通系统的特点及事故特征,并结合济南市高速公路交通事故资料,利用贝叶斯网定性和定量分析相结合的特点,建立分析雾霾天气下高速公路交通事故发生机理的贝叶斯模型,得出"当车速和雾霾等级同时增加时,交通事故发生概率几乎以平方的概率增加"的结论,为驾驶员及交通管理部门预防雾霾天气下高速公路交通事故提供理论基础。

基于BP神经网络的弗兰克-赫兹实验曲线拟合

BP神经网络通过调整连接权重便可按预定精确度逼近非线性函数,利用这一特点可对非线性函数关系进行拟合。利用BP神经网络对弗兰克-赫兹实验数据进行处理,结果显示该方法处理结果精度高,拟合效果好。

一种基于循环生成式对抗网络的去雾算法

针对现有基于学习的去雾算法在处理过程中需要成对的数据来训练网络参数的问题,提出了一种基于循环生成式对抗网络的去雾算法.该算法通过使用编码器-解码器(Encoder-Decoder,ED)体系结构来构建生成器网络,然后采用一种不成对的图像训练方法来训练网络参数,估计出传输图,最后根据估计的传输图和大气光值,利用光学模型恢复出无雾清晰图像.实验结果表明:对于室内、外有雾图像,本文提出的方法可以在不发生任何颜色失真的情况下恢复无雾场景,而且相对于其他方法,该方法在多个评价指标上都有明显的性能优势.