PM2.5的危害与防治 PM2.5的来源与分布 案例分析

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

ntroducing… ecture Recitations TR1:00-2:30PM W4:00-5:00PM Alexander van Oudenaarden juan pedraza

对国内外PM2.5的研究现状、方向、结论及方法进行回顾,以武汉市1个监测点为例,提出一种与PM2.5强相关 因素的分析方法,对PM2.5数值进行预测,并对我国P2.5研究展望并提出研究发展方向

目前钢铁行业已成为大气污染防治的重点，为解决现有钢铁行业对于 PM2.5 细颗粒难以捕集的难题，实现粉尘的超低排放. 基于 CFD-DPM（computational fluid dynamics-discrete phase model）方法对磁性纤维产生的磁场以及高梯度磁场等不同磁场形式下单纤维对钢铁行业捕集 PM2.5 性能的影响进行研究，通过 X 射线衍射图谱分析可知钢铁行业生产过程产生的粉尘因含有 Fe3O4 以及单质 Fe 而具有磁特性，进而提出了利用磁场来增强单纤维捕集 PM2.5 性能的方法

《分析化学》课程教学资源（知识拓展）PM2.5的测定方法

《传感器技术应用》课程电子教案（PPT教学课件）项目三 气敏传感器的应用 任务二 智能家居PM2.5传感器的应用

【机器学习】基于自组织递归模糊神经网络的PM2.5浓度预测

CS61C L02 Number Representation (2) Garcia, Spring 2007 © UCB Great DeCal courses I supervise (2 units) UCBUGG UC Berkeley Undergraduate Graphics Group Thursdays 5:30-7:30pm in 310 Soda Learn to create a short 3D animation

为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题，提出应用支持向量机和模糊粒化时间序列相结合的方法，对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式，确定以24 h为周期的粒化窗宽，利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入，并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据，应用该方法建立PM2.5质量浓度的时间序列预测模型，并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明，基于模糊粒化时间序列的预测模型，能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定，对模糊粒子拟合效果较好