基于AMOS观测和监控视频资料预测能见度

雾的演化复杂多变,对交通运输和环境监测造成重大困扰,引起广泛关注.由于雾的演化规律受众多非线性因素的影响,难以准确预测其变化趋势.据此,构建了一种能够准确估计当前能见度、预测能见度变化趋势的模型.首先,建立了基于气象数据准确估计当前能见度的广义函数相加模型;其次,基于监控视频数据建立了具备高精度的VGG深度学习能见度估计模型;进而,建立了景深亮度差异的暗通道算法对能见度进行准确估计;最后,采用ARIMA模型对能见度进行预测,揭示了大雾的演化规律.

基于观测与视频数据的机场能见度预测研究

能见度预测将直接影响交通运输的安全和效率。能见度检测一般需用昂贵的激光能见度仪,但该仪器对团雾检测精度不高,探测的范围很小,维护成本高,从而在无设备区域易出现安全隐患。因此,如何高效的检测能见度是高速管理部门和航空公司十分关注的问题。文章以大数据技术为基础,以预测各种场景中的能见度为最终目的,分别利用测量数据、视频、图像、时间序列四种数据进行分析和预测,最终得到普适性强、精确度高的最佳方案。实验结果表明模型均达到了较好的表现,为未来机场能见度的人工智能预测系统提供了有益的借鉴。