计算机应用

作者：许睿, 梁爽, 万航, 文益民, 沈世铭, 李建

单位：1.桂林电子科技大学 计算机与信息安全学院，广西 桂林 541004；2.南方海洋科学与工程广东省实验室（广州），广州 511458；3.卫星导航定位与位置服务国家地方联合工程研究中心（桂林电子科技大学），广西 桂林 541004

关键词：大气污染现象,烛台图理论,模式匹配,卷积神经网络,PM_2.5

基金：广西自然科学基金资助项目(2021JJA170096);广西重点研发计划项目(AB21196063);桂林市重大成果转化基金资助项目(20192013?1);桂林电子科技大学大学生创新创业训练计划项目(202010595031)

现有大气质量预测方法多基于单纯的时间序列数据进行趋势预测，忽略了污染物传输和扩散规律及其分类间模式特征的问题。为此，提出一种基于烛台图模式匹配（CPM）的PM2.5（大气细颗粒物污染）扩散特征提取方法。首先，利用基于卷积神经网络（CNN）的卷积思想从大量历史PM2.5序列中生成基础周期烛台图；然后，通过距离公式对不同烛台图特征向量的浓度模式进行聚类分析；最后，结合CNN在图像识别中的独特优势，形成融合图形特征与时序特征序列的混合模型，判断带有反转信号的烛台图将导致的趋势反转情况。在桂林市大气质量在线监测站的监测时序数据集上的实验结果表明，与使用单一时间序列数据的深度卷积神经网络VGG（Visual Geometry Group）相比，基于CPM的提取方法准确率提升了1.9个百分点。可见，基于CPM的方法能有效提取PM2.5趋势特征，可以用于预测未来污染物浓度周期变化。

来源：2023年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第5期