大气环境监测云
价格:
品牌:
所在地:
关键词:
适用范围:
型号:
规格:
品牌:
所在地:
关键词:
适用范围:
型号:
规格:
分享到:
产品详情
详细要求
CNN的模型参数对应于不同因素对大气污染的相关性
1.将京津冀区域大气污染数据按照经纬度高度进行空间编码,形成污染-位置特征向量;
2.将企业分布按照空间位置进行编码,形成企业-位置特征向量;
3.将温度分布按照空间位置进行编码,形成温度-位置特征向量;
4.将特征向量进行组合,形成XX-位置特征矩阵;
5.特征矩阵标签化,根据PM2.5 标记为污染样本和非污染样本;
6.将矩阵-标记放入CNN,进行模型训练。
1.将京津冀区域大气污染数据按照经纬度高度进行空间编码,形成污染-位置特征向量;
2.将企业分布按照空间位置进行编码,形成企业-位置特征向量;
3.将温度分布按照空间位置进行编码,形成温度-位置特征向量;
4.将特征向量进行组合,形成XX-位置特征矩阵;
5.特征矩阵标签化,根据PM2.5 标记为污染样本和非污染样本;
6.将矩阵-标记放入CNN,进行模型训练。
数据分析应用示例
时间序列分(更多……)
将历年冬季的多次污染现象(如雾霾)的大气指标数据序列作为样本,形成数据样本集。
将样本集送入到RNN(或者LSTM)深度神经网络。
对数据变化规律进行数据建模。
针对一个新的大气指标数据序列,送入模型,进行数据变化趋势的预测。
环保云优势:云认知,端智能
1.为重污染天气预测,雾霾成因解析提供完备的数据支持。
2.建立大气仿真模型;
3.污染物发展演变趋势预测;
4.雾霾相关性因素权重界定;
5.优化治控方案。