基于图像质量分析的PM2.5空气质量预测

作者：李晓理; 张山; 王康

来源：北京工业大学学报, 2020, 46(02): 191-198.

• PM2.5质量浓度
• 支持向量回归机
• 粒子群优化算法
• 特征提取
• 图像质量评价

为了提高空气污染物PM2.5质量浓度预测的准确性,提出了一种基于图像数据预测PM2.5质量浓度的方法.首先用手机或相机获取图像数据,然后用图像质量分析模型提取与PM2.5质量浓度相关的特征向量作为输入,建立一个基于粒子群优化(particle swarm optimization,PSO)算法的支持向量回归机(support vector regression, SVR)(PSO-SVR)预测模型来估计PM2.5的质量浓度.实验结果表明,与SVR模型和用遗传算法(genetic algorithm, GA)优化的支持向量回归机(GA-SVR)模型相比,PSO-SVR模型在预测准确性和实施效率方面具有更好的预测性能.

• 单位
  北京工业大学