城市空气污染数据的真实性判别及分析

论文摘要

最近几年,无论政府,还是环境保护部门,甚至是全国人民都更加关注空气污染质量问题。因此,控制大气污染、提高环境空气质量,研究城市空气污染数据的不真实性就成为了迫切的需要。针对城市空气污染数据的不真实性,基于自组织神经网络(SOM)的异常值检测方法,对历史空气检测数据进行训练,计算转移概率矩阵,再根据基于密度的聚类算法(DBSCAN)对数据时间进行聚类分析,再将待检测数据代入转移概率矩阵,最终实现异常值检测。最终为环境保护和政策提供支撑.

论文目录

• 一、问题的分析
• 二、模型建立与分析
•   （一）单状态量数据的时间序列自回归模型 （auto-regressive, AR） 。
•   （二）自组织神经网络 （self organized maps, SOM） 对时间序列的量化。
•   （三）时间序列变化过程的挖掘。
•     1. 神经元所属的概率密度函数。
•     2. 神经元之间的转移概率。
•   （四）多类Logistic回归分析。
• 三、结语

文章来源

类型: 期刊论文

作者: 付丽,师和欣

关键词: 异常检测,自组织神经网络,多类回归分析

来源: 绥化学院学报 2019年09期

年度: 2019

分类: 社会科学Ⅱ辑,工程科技Ⅰ辑

专业: 环境科学与资源利用

单位: 绥化学院信息工程学院

基金: 黑龙江省大学生创新创业训练项目“城市空气污染数据的真实性判别及分析”(201610236013)

分类号: X51

页码: 151-153

总页数: 3

文件大小: 2229K

下载量: 87