基于多源数据融合的区域VOCs浓度预测方法研究

作者：陆秋琴; 白静飞; 黄光球

来源：安全与环境学报, 2021, 1-12.

• 环境工程学
• VOCs
• 数据融合
• 矩阵分析
• 卷积神经网络（CNN）
• 支持向量机（SVM）

为了提升区域内VOCs浓度预测的准确性，采用数据融合理论构建出了VOCs浓度监测信息的三级数据融合模型。首先对目标区域进行网格划分，一级融合采用矩阵分析的方法对VOCs浓度已知的网格3h内VOCs浓度监测信息进行融合并结合插值法估计待估网格的VOCs浓度；二级融合利用CNN模型模拟VOCs浓度值与各种影响因子之间的关系，进而预测待估网格的VOCs浓度值；三级融合利用SVM模型对一级融合结果和二级融合结果进行综合分析，进而预测VOCs浓度值。结果表明：采用三级数据融合模型的待估网格VOCs浓度预测结果与真实值较吻合，其平均绝对百分比误差（MAPE）为8.56%，相对均方误差（RMSE）为4.57%，决定系数(R2)达到0.95，均优于其他模型。

• 单位
  西安建筑科技大学