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
2
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
松原市主城区空气污染等级与气象条件关系的分析及预报
被引量:
1
1
作者
王超颖
杜娟
高凤歧
《吉林气象》
2006年第1期25-27,共3页
经过对近两年(2004-2005年)松原市环境监测站所观测到的大气中可吸入颗粒物(PM10)、二氧化硫(SO2)、二氧化氮(NO2)的初步分析,确定出了污染等级标准,PM10全年时间分布呈双谷双锋型,大值区分别集中在冬季(1月、12月)和春季(4月、5月),这...
经过对近两年(2004-2005年)松原市环境监测站所观测到的大气中可吸入颗粒物(PM10)、二氧化硫(SO2)、二氧化氮(NO2)的初步分析,确定出了污染等级标准,PM10全年时间分布呈双谷双锋型,大值区分别集中在冬季(1月、12月)和春季(4月、5月),这与冬季取暖排污扣春季多风沙直接相关。SO2时间分布特点是冬季高夏季低,而NO2的时间分布特点是2-5月份浓度高。降水量、风速、气温、云量、相对湿度等与空气污染等级密切相关。
展开更多
关键词
松原市
主城区
空气污染等级
气象条件
分析与预报
下载PDF
职称材料
基于KNN&SVM的北京空气污染预测模型研究
被引量:
3
2
作者
刘炳春
符川川
李健
《产业创新研究》
2017年第1期32-38,72,共8页
在应用PM2.5、PM10、SO_2、CO、NO_2和O_3六种污染物浓度指标预测的基础上,将最高气温、最低气温、天气现象、风向、风力5种气象条件指标增添到空气污染预测输入变量中,采用K最近邻(KNN)和支持向量机(SVM)两种算法建立北京市空气污染等...
在应用PM2.5、PM10、SO_2、CO、NO_2和O_3六种污染物浓度指标预测的基础上,将最高气温、最低气温、天气现象、风向、风力5种气象条件指标增添到空气污染预测输入变量中,采用K最近邻(KNN)和支持向量机(SVM)两种算法建立北京市空气污染等级分类预测模型。论文采用中国环境监测总站公布的北京市2014年1月1日至2016年4月30日的6种污染物浓度指标数据以及北京市气象台公布的北京市2014年1月1日至2016年4月30日的5种气象条件指标数据进行测试实验。结果发现,KNN模型预测的准确度为83.56%,SVM模型预测的准确度为87.32%,SVM模型在空气污染等级分类预测方面比KNN模型的准确度高出3.76%,建议将来在北京市空气污染等级预测中采用SVM模型以期获得较好的预测和空气污染控制效果。
展开更多
关键词
空气污染等级
分类预测
支持向量机
K-最近邻算法
下载PDF
职称材料
题名
松原市主城区空气污染等级与气象条件关系的分析及预报
被引量:
1
1
作者
王超颖
杜娟
高凤歧
机构
松原市气象局
出处
《吉林气象》
2006年第1期25-27,共3页
文摘
经过对近两年(2004-2005年)松原市环境监测站所观测到的大气中可吸入颗粒物(PM10)、二氧化硫(SO2)、二氧化氮(NO2)的初步分析,确定出了污染等级标准,PM10全年时间分布呈双谷双锋型,大值区分别集中在冬季(1月、12月)和春季(4月、5月),这与冬季取暖排污扣春季多风沙直接相关。SO2时间分布特点是冬季高夏季低,而NO2的时间分布特点是2-5月份浓度高。降水量、风速、气温、云量、相对湿度等与空气污染等级密切相关。
关键词
松原市
主城区
空气污染等级
气象条件
分析与预报
分类号
X51 [环境科学与工程—环境工程]
P4 [天文地球—大气科学及气象学]
下载PDF
职称材料
题名
基于KNN&SVM的北京空气污染预测模型研究
被引量:
3
2
作者
刘炳春
符川川
李健
机构
天津理工大学管理学院
天津大学管理与经济学部
出处
《产业创新研究》
2017年第1期32-38,72,共8页
基金
国家自然科学基金项目(批准号:71503180)
教育部哲学社会科学研究重大课题攻关项目(15JZD021)
教育部人文社会科学项目(批准号:11YJC630237)
文摘
在应用PM2.5、PM10、SO_2、CO、NO_2和O_3六种污染物浓度指标预测的基础上,将最高气温、最低气温、天气现象、风向、风力5种气象条件指标增添到空气污染预测输入变量中,采用K最近邻(KNN)和支持向量机(SVM)两种算法建立北京市空气污染等级分类预测模型。论文采用中国环境监测总站公布的北京市2014年1月1日至2016年4月30日的6种污染物浓度指标数据以及北京市气象台公布的北京市2014年1月1日至2016年4月30日的5种气象条件指标数据进行测试实验。结果发现,KNN模型预测的准确度为83.56%,SVM模型预测的准确度为87.32%,SVM模型在空气污染等级分类预测方面比KNN模型的准确度高出3.76%,建议将来在北京市空气污染等级预测中采用SVM模型以期获得较好的预测和空气污染控制效果。
关键词
空气污染等级
分类预测
支持向量机
K-最近邻算法
Keywords
Air Pollution Grade
Grade Prediction
Support Vector Machine (SVM)
K-Nearest Neighbor (KNN)
分类号
X51 [环境科学与工程—环境工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
松原市主城区空气污染等级与气象条件关系的分析及预报
王超颖
杜娟
高凤歧
《吉林气象》
2006
1
下载PDF
职称材料
2
基于KNN&SVM的北京空气污染预测模型研究
刘炳春
符川川
李健
《产业创新研究》
2017
3
下载PDF
职称材料
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