基于LPWAN和AQI指数预测的空气质量监测系统

针对传统空气质量监测系统抗干扰能力差、稳定性不高以及AQI指数预测精度不足等问题,设计了一种集低功耗广域物联网LPWAN、One-NET云平台和循环神经网络GRU于一体的空气质量监测系统。系统利用LoRa技术采集环境参数,集合云平台技术、SSA-VMD-GRU模型实现远程监控和预测AQI指数。通过通信测试,结果表明通信距离1000米内,通信率在96%以上,丢包率不超过4%。将采集到的特征参数用传统的GRU模型、VMD-GRU模型和本文提出的SSA-VMD-GRU模型进行训练、测试仿真和对比,结果表明SSA-VMD-GRU模型相较于传统的GRU模型和VMD-GRU模型对AQI指数有更好的预测效果,均方根误差RMSE和平均绝对误差MAE均有降低,预测误差率在3%以内。该系统能够实现对空气质量的实时监控和AQI指数的精准预测,为准确发布空气质量预警提供借鉴。     

基于机器学习在空气质量指数中的应用

利用机器学习和多元线性回归模型对西安市近一年的空气质量指数进行了研究,首先利用随机森林思想对数据进行了补齐,然后运用交叉验证对神经网络模型选取最优的隐层节点数和训练周期数,最后,通过比较两种模型的拟合效果发现,神经网络模型在对空气质量指数的预测效果明显好于多元线性回归模型。     

基于空气质量指数AQI的空间自相关特征分析——以福建省为例

以福建省9个地级市为研究对象，运用时间序列模型、全局空间自相关分析、K-medoids聚类及相关分析等研究方法，探索福建省各地级市空气质量指数的空间自相关特征。研究结果显示，相比秋冬两季，各地级市春夏两季的空气质量相关性较低，具体表现为，春夏两季各地级市莫兰指数（Moran's I）显著较低 。以空气质量指数AQI的6个空气质量分指标作为聚类标准进行研究，发现福建省地级市的空气相关性区分为两大类。进一步对AQI进行相关性分析，发现AQI与PM10、PM2.5、NO2分指标高度相关，由此说明，空气微粒与NO2是福建空气污染的主要来源。空气质量季节上的分布差异，可以为政府准确地制定治理方案提供有力证据。     

基于改进麻雀搜索算法的空气质量指数预测

为更准确地预测空气质量指数(Air Quality Index, AQI),提出一种基于改进麻雀搜索算法(Improved Sparrow Search Algorithm, ISSA)的AQI预测模型(ISSA-BP)。利用麻雀搜索算法(Sparrow Search Algorithm, SSA)的全局搜索性能对BP神经网络的权值和阈值进行优化,解决传统BP神经网络在预测AQI过程中出现的收敛速度慢、易陷入局部最优等问题。同时,针对SSA在优化过程中的缺陷,引入立方映射和优化策略增强算法的全局搜索及收敛能力,进一步提高预测性能。应用ISSA-BP模型预测杭州市AQI,实验结果表明,与其他模型相比,该模型的预测精度有显著提升。本研究为大气污染防治提供了新的预测方法。     

Excel软件在计算空气质量指数的应用

在国家新近发布的环境空气质量指数技术规定中,正式使用了空气质量指数AQI,更新了分级方案,浓度限值并新增了PM2．5评价项目。应用Excel软件计算空气质量指数,可以有效减少监测数据分析人员的工作量,降低失误率,具有可重复利用性。     

基于海洋捕食者算法和ELM的空气质量指数预测

针对极限学习机(Extreme Learning Machine,ELM)模型参数选取敏感问题,文章提出一种改进的海洋捕食者算法(Improved Marine Predator Algorithm,IMPA)优化极限学习机的权重和偏置。首先,针对海洋捕食者算法初始种群的多样性不足,运用准反射学习策略生成高质量的初始猎物种群。其次,引入柯西变异策略更新种群,增强算法的全局寻优能力。然后,运用纵横交叉策略对猎物种群进行修正,进一步提高算法搜索精度。最后,将改进后的海洋捕食者算法优化极限学习机的权重和偏置,构建了一种IMPA-ELM预测模型用于空气质量指数预测。实验结果表明,IMPA-ELM预测模型在空气质量指数预测精度上有所提高。     

基于SVR-BP算法的江苏省空气质量指数预测

针对江苏省空气质量指数(air quality index, AQI)的预测问题,提出一个将反向(back-propagation, BP)神经网络与ε-支持向量回归机(ε-support vector regression,ε-SVR)算法相结合的SVR-BP回归算法。对训练集采用ε-SVR进行样本筛选组成新的样本集,再采用BP神经网络进行预测。样本集选取的时间跨度为2 a,样本数据为江苏省共98个监测点空气中各成分的含量。分别采用SVR-BP算法、BP神经网络和ε-SVR算法在数据更新频度不同的3个模型下对未来72 h的AQI进行预测。实验结果表明:本研究提出的SVR-BP算法的平均绝对百分误差较ε-SVR算法提升了4%～19%;训练时间比BP神经网络少0.1～2.5 s。SVR-BP算法预测AQI更为高效,在实时训练及样本筛选方面有更广阔的研究前景。     

Zd中熵指标δ(m)(·)的一条性质

证明了欧基里德格内离散熵指标δ(m) (·)的一条性质 :对任意给定的无界子集A Zd 和任意给定的正整数m≥ 2 ,δ(m) (A) =δ( 2 ) (A) .     

南昌市空气质量变化特征分析

利用南昌市2013年1月至2014年5月期间6个环境监测点的空气质量指数数据,对南昌市空气质量指数变化规律进行分析,并对南昌2016年12月7日一次重大污染过程进行溯源.结果表明:1)南昌市秋冬季空气质量指数明显高于春夏季,6月空气质量最好,1月污染最为严重,空气质量最差;2)南昌空气质量指数日变化呈现双峰型特征;冬季一个峰值基本出现在中午前后,另一峰值基本出现在半夜时段,且夏季第一个峰值出现的时间较其他季节都提前;3)南下的冷空气携带了大量来自北方省份污染物,同时快速南下的冷空气使得南昌城区低空出现上暖下冷的逆温层,使得污染物在南昌地区积聚,不易扩散,造成了2016年12月7日南昌的重大空气污染.     

澳大利亚建筑中的室内空气品质

室内空气品质(IAQ)是一个重要的健康、环境和经济问题,能否提供一个“安全”的工作环境已经成为公众健康的焦点。介绍了澳大利亚建筑中的室内空气品质状况及常用的IAQ评价和控制指标。     

室内空气品质的灰色非本征预测模型

利用灰色系统理论和原有的确定性物理模型建立了室内空气品质灰色非本征预测模型．并利用灰色非本征模型模拟了两种条件下，室内二氧化碳随时间变化的特性．计算实例表明，灰色非本征模型在预测室内空气品质时具有较好的实用性和精确性．     

Prediction of Perceived Air Quality for Personalized Ventilation Systems

The characteristics of the air jet from the outlet of a personalized ventilation system were related to the perceived air quality and ventilation rate. The perceived air quality was expressed as percentage of dissatisfied people for a system supplying isothermal fresh air. The relationship was verified using a thermal manikin with a breathing function in a climate chamber sitting by a desk equipped with a personalized ventilation system. A trace gas was introduced into the climate chamber and fully mixed. The personal exposure effectiveness (ep) is based on concentrations of trace gas in the chamber and in the manikin nose which is affected more by the distance between the movable outlet and the occupant‘s breathing zone than by the personalized air flowrate and does not change much for the personalized air flowrate higher than 10 L/s when the distance is fixed. Some predicted dissatisfied values for a personalized ventilation system compared with those acquired in human subject experiments have an absolute difference of less than 3%.