工程科学学报.第42卷.第7期：922-929.2020年7月 Chinese Journal of Engineering,Vol.42,No.7:922-929,July 2020 https://doi.org/10.13374/j.issn2095-9389.2019.07.15.002;http://cje.ustb.edu.cn 基于图像混合核的列生成PM25预测 李晓理2,3，，张博)，杨旭)区 1)北京工业大学信息学部，北京1001242)计算智能与智能系统北京市重点实验室，北京1001243)数字社区教育部工程研究中心，北 京1001244)北京未来网络科技高精尖创新中心，北京1001245)北京科技大学自动化学院，北京100083 ☒通信作者，E-mail:yangxu@ustb.edu.cn 摘要传统PM25预测方法获取污染物浓度数据需要大型精密仪器，成本较高.本文尝试利用图像数据进行PM25浓度预 测.大气PM2s浓度的变化与图像的暗通道强度、对比度和HSI(Hue-saturation--intensity)颜色差异有密切联系.大气中 PM25浓度的升高会导致非天空区域的暗通道强度值下降，图像对比度下降和HSI空间颜色差异变小.通过分析PM25浓度 与图像特征的关系，提出了一种基于图像混合核的列生成空气质量PM2预测模型.首先，以1h为采样周期，每日 8:00~17:00为采样范围，采集多种天气条件下的景物图像，提取图像的对比度、暗通道强度和HSI颜色差异共5个图像特 征.其次，数据存在样本规模大、样本不平坦分布等特点，单个核函数构成的预测模型难以满足预测精度需求，因此本文按照 核结构从简单到复杂的原则，选择线性核函数、多项式核函数和高斯核函数三种核函数建立组合模型.然后计算每个核基于 训练样本的Gram矩阵.并将所有Gram矩阵并列成一个混合核矩阵.利用列生成算法和混合核矩阵建立预测模型，求解模型 参数.最后，进行仿真实验，实验结果表明本文提出的可满足预测精度要求，与单核预测模型相比，该预测模型预测精度更 高，模型稳定性更好.计算复杂度分析结果显示基于图像混合核的列生成模型与单核预测模型相比计算量无明显增加 关键词PM25预测；混合核函数；列生成算法；图像特征；预测模型 分类号TP181 Column-generation PM25 prediction based on image mixture kernel LI Xiao-li2,ZHANG Bo,YANG Xu) 1)Faculty of Information Technology,Beijing University of Technology,Beijing 100124,China 2)Beijing Key Laboratory of Computational Intelligence and Intelligent System,Beijing 100124,China 3)Engineering Research Center of Digital Community,Beijing 100124,China 4)Beijing Future Network Science and Technology Innovation Center,Beijing 100124,China 5)School of Automation and Electrical Engineering,University of Science and Technology Beijing,Beijing 100083,China Corresponding author,E-mail:yangxu@ustb.edu.cn ABSTRACT The conventional method of PM2s prediction requires high-precision instruments to obtain data on the concentration of pollutants,resulting in a high prediction costs.In this work,we attempt to use image data to estimate PM2s concentration.The concentration of atmospheric PM2 is closely linked to the image's dark channel intensity,contrast,and color difference of HSI.The increase in atmospheric PM2s concentration leads to a decrease in the non-sky area dark channel intensity,image contrast,and HSI spatial color difference.In this paper,a Column-Generation PM2s prediction model based on image mixture kernel was proposed by analyzing the relationship between PM2s and image features.First,the sampling period was taken as 1 h,and 8:00-17:00 was taken as the sampling range daily.The scene images were recorded in different weather conditions,and five image features were extracted, 收稿日期：2019-07-15 基金项目：国家自然科学基金资助项目(61873006,61473034,61673053)：北京市科学重大专项资助项目(Z181100003118012):国家重点研 发计划资助项目(2018YFC1602704.2018YFB1702704)基于图像混合核的列生成 PM2.5 预测 李晓理1,2,3,4)，张    博1)，杨    旭5) 苣 1) 北京工业大学信息学部，北京 100124    2) 计算智能与智能系统北京市重点实验室，北京 100124    3) 数字社区教育部工程研究中心，北 京 100124    4) 北京未来网络科技高精尖创新中心，北京 100124    5) 北京科技大学自动化学院，北京 100083 苣通信作者，E-mail：yangxu@ustb.edu.cn 摘    要    传统 PM2.5 预测方法获取污染物浓度数据需要大型精密仪器，成本较高. 本文尝试利用图像数据进行 PM2.5 浓度预 测. 大气 PM2.5 浓度的变化与图像的暗通道强度、对比度和 HSI（Hue-saturation-intensity）颜色差异有密切联系. 大气中 PM2.5 浓度的升高会导致非天空区域的暗通道强度值下降，图像对比度下降和 HSI 空间颜色差异变小. 通过分析 PM2.5 浓度 与图像特征的关系，提出了一种基于图像混合核的列生成空气质量 PM2.5 预测模型. 首先，以 1 h 为采样周期，每日 8:00～17:00 为采样范围，采集多种天气条件下的景物图像，提取图像的对比度、暗通道强度和 HSI 颜色差异共 5 个图像特 征. 其次，数据存在样本规模大、样本不平坦分布等特点，单个核函数构成的预测模型难以满足预测精度需求，因此本文按照 核结构从简单到复杂的原则，选择线性核函数、多项式核函数和高斯核函数三种核函数建立组合模型. 然后计算每个核基于 训练样本的 Gram 矩阵，并将所有 Gram 矩阵并列成一个混合核矩阵. 利用列生成算法和混合核矩阵建立预测模型，求解模型 参数. 最后，进行仿真实验，实验结果表明本文提出的可满足预测精度要求，与单核预测模型相比，该预测模型预测精度更 高，模型稳定性更好. 计算复杂度分析结果显示基于图像混合核的列生成模型与单核预测模型相比计算量无明显增加. 关键词    PM2.5 预测；混合核函数；列生成算法；图像特征；预测模型 分类号    TP181 Column-generation PM2.5 prediction based on image mixture kernel LI Xiao-li1,2,3,4) ，ZHANG Bo1) ，YANG Xu5) 苣 1) Faculty of Information Technology, Beijing University of Technology, Beijing 100124, China 2) Beijing Key Laboratory of Computational Intelligence and Intelligent System, Beijing 100124, China 3) Engineering Research Center of Digital Community, Beijing 100124, China 4) Beijing Future Network Science and Technology Innovation Center, Beijing 100124, China 5) School of Automation and Electrical Engineering, University of Science and Technology Beijing, Beijing 100083, China 苣 Corresponding author, E-mail: yangxu@ustb.edu.cn ABSTRACT    The conventional method of PM2.5 prediction requires high-precision instruments to obtain data on the concentration of pollutants,  resulting  in  a  high  prediction  costs.  In  this  work,  we  attempt  to  use  image  data  to  estimate  PM2.5 concentration.  The concentration of atmospheric PM2.5 is closely linked to the image ’s dark channel intensity, contrast, and color difference of HSI. The increase  in  atmospheric  PM2.5 concentration  leads  to  a  decrease  in  the  non-sky  area  dark  channel  intensity,  image  contrast,  and  HSI spatial color difference. In this paper, a Column-Generation PM2.5 prediction model based on image mixture kernel was proposed by analyzing the relationship between PM2.5 and image features. First, the sampling period was taken as 1 h, and 8:00–17:00 was taken as the  sampling  range  daily.  The  scene  images  were  recorded  in  different  weather  conditions,  and  five  image  features  were  extracted, 收稿日期: 2019−07−15 基金项目: 国家自然科学基金资助项目（61873006，61473034，61673053）；北京市科学重大专项资助项目（Z181100003118012）；国家重点研 发计划资助项目（2018YFC1602704，2018YFB1702704） 工程科学学报，第 42 卷，第 7 期：922−929，2020 年 7 月 Chinese Journal of Engineering, Vol. 42, No. 7: 922−929, July 2020 https://doi.org/10.13374/j.issn2095-9389.2019.07.15.002; http://cje.ustb.edu.cn