基于主动学习和克里金插值的空气质量推测

常慧娟; 於志文; 於志勇; 安琦; 郭斌

doi:10.11959/j.issn.2096-0271.2018061

您当前的位置：

首页 >

文章列表页 >

基于主动学习和克里金插值的空气质量推测

研究 | 更新时间：2024-06-03

- 基于主动学习和克里金插值的空气质量推测
- Air quality estimation based on active learning and Kriging interpolation
- 大数据 2018年4卷第6期页码：2018061
- 作者机构：
  
  1. 西北工业大学计算机学院，陕西西安 710072
  2. 福州大学数学与计算机科学学院，福建福州 350108
- 作者简介：
  
  [ "常慧娟（1995-），女，西北工业大学计算机学院硕士生，主要研究方向为群智感知。" ]
  [ "於志文（1977-），男，博士，西北工业大学计算机学院教授，中国计算机学会（CCF）高级会员，主要研究方向为普适计算、社会感知计算。" ]
  [ "於志勇（1982-），男，博士，福州大学数学与计算机科学学院副教授，CCF会员，主要研究方向为普适计算、移动社交网络。" ]
  [ "安琦（1993-），女，西北工业大学计算机学院硕士生，CCF学生会员，主要研究方向为群智感知。" ]
  [ "郭斌（1980-），男，博士，西北工业大学计算机学院教授，CCF高级会员，主要研究方向为普适计算、移动群智感知。" ]
- 基金信息：
  
  国家杰出青年科学基金资助项目;The National Science Fund for Distinguished Young Scholars(61725205);国家重点研发计划基金资助项目;The National Key Research and Development Program of China(2017YFB1002000);国家自然科学基金资助项目;The National Natural Science Foundation of China(61332005;61772428)
- DOI：10.11959/j.issn.2096-0271.2018061
  中图分类号： TP181
- 网络首发：2018-11，
  
  纸质出版：2018-11-15
- 稿件说明：
移动端阅览
常慧娟, 於志文, 於志勇, 等. 基于主动学习和克里金插值的空气质量推测[J]. 大数据, 2018,4(6):2018061.

Huijuan CHANG, Zhiwen YU, Zhiyong YU, et al. Air quality estimation based on active learning and Kriging interpolation[J]. Big data research, 2018, 4(6): 2018061.
常慧娟, 於志文, 於志勇, 等. 基于主动学习和克里金插值的空气质量推测[J]. 大数据, 2018,4(6):2018061. DOI： 10.11959/j.issn.2096-0271.2018061.

Huijuan CHANG, Zhiwen YU, Zhiyong YU, et al. Air quality estimation based on active learning and Kriging interpolation[J]. Big data research, 2018, 4(6): 2018061. DOI： 10.11959/j.issn.2096-0271.2018061.

摘要

空气质量监测站仅能在少数位置部署，故而无法获取城市中每个位置的空气质量信息。提出了一种基于主动学习和克里金插值的空气质量推测算法。该算法首先选用克里金插值作为基础的空气质量推测算法，然后结合主动学习的思想，对置信度最大的位置进行优先采样，最终建立基于主动学习的插值模型，通过最少的监测点对空气质量进行采样，最大限度地提升推测其他位置空气质量的准确度。研究结果表明，所提算法能够有效地提高空气质量推测精度，同时减少监测站采样数量，降低部署成本。

Abstract

For the air quality monitoring station

it can only be deployed in a few locations and cannot obtain the air quality information of each location in the city.An air quality estimation algorithm based on active learning and Kriging interpolation was proposed.Firstly

Kriging interpolation was used as the basic air quality estimation algorithm.Secondly

combined with the idea of active learning

the position-first sampling with the highest confidence of the model was searched.Finally

an interpolation model based on active learning was established to select the least position-to-air quality.Sampling was performed to maximize the accuracy of air quality at other locations.The results show that the proposed algorithm can effectively improve the accuracy of air quality estimation

reduce the number of sampling stations and reduce the deployment cost.

关键词

Keywords

references

李杰 , 瞿亮 , 桑会勇 , 等 . PM_(2.5)浓度插值中不同空间插值方法对比［J］. 测绘科学 , 2016 ( 4 ): 50 - 54 ,101.

LI J , QU L , SANG H Y , et al . Comparison of different spatial interpolation methods in PM_(2 . 5)concentration interpolation ［J］. Surveying and Mapping Science , 2016 ( 4 ): 50 - 54 ,101.

VARDOULAKIS S , FISHER B E A , PERICLEOUS K , et al . Modelling air quality in street canyons:a review ［J］. Atmospheric Environment , 2003 , 37 ( 2 ): 155 - 182 .

BURROWS W R , BENJAMIN M , BEAUCHAMP S , et al . CART decisiontree statistical analysis and prediction of summer season maximum surface ozone for the vancouver,montreal,and atlantic regions of Canada ［J］. Journal of Applied Meteorology , 1995 , 34 ( 8 ): 1848 - 1862 .

SHARMA M , AGGARWAL S , BOSE P , et al . Meteorology-based forecasting of air quality index using neural network ［C］// IEEE International Conference on Industrial Informatics,August 21-24,2003,Banff,Canada . Piscataway:IEEE Press , 2003 .

宋宇辰 , 甄莎 . BP神经网络和时间序列模型在包头市空气质量预测中的应用［J］. 干旱区资源与环境 , 2013 , 27 ( 7 ): 65 - 70 .

SONG Y C , ZHEN S . Application of BP neural network and time series model in air quality prediction of Baotou City ［J］. Journal of Arid Land Resources and Environment , 2013 , 27 ( 7 ): 65 - 70 .

祝翠玲 , 蒋志方 , 王强 . 基于B-P神经网络的环境空气质量预测模型［J］. 计算机工程与应用 , 2007 ( 22 ): 223 - 227 .

ZHU C L , JIANG Z F , WAN G Q . A prediction model of ambient air quality based on B-P neural network ［J］. Computer Engineering and Applications , 2007 ( 22 ): 223 - 227 .

ZHENG Y , YI X , LI M , et al . Forecasting fine-grained air quality based on big data ［C］// The 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Minin g,August 10-13,2015,Sydney,Australia . New York:ACM Press , 2015 : 2267 - 2276 .

林开春 , 邵峰晶 . 基于随机森林和神经网络的空气质量预测研究［J］. 青岛大学学报(工程技术版) , 2018 , 33 ( 2 ): 32 - 36 .

LIN K C , SHAO F J . Study on air quality prediction based on random forest and neural network ［J］. Journal of Qingdao University (Engineering ＆ Technology Edition) , 2018 , 33 ( 2 ): 32 - 36 .

孟倩 . 基于随机森林视角的空气质量分类预测［J］. 重庆工商大学学报(自然科学版) , 2018 , 35 ( 3 ): 30 - 34 .

MENG Q . Classification and prediction of air quality based on random forest pers pective ［J］. Journal of Chongqing Technology and Business University (Natural Science Edition) , 2018 , 35 ( 3 ): 30 - 34 .

苏静 , 吴海平 . 应用灰色理论模型预测环境空气质量变化趋势——以靖江市环境空气质量预测为例［J］. 污染防治技术 , 2010 , 23 ( 4 ): 10 - 12 ,22.

SU J , WU H P . Predicting the change trend of ambient air quality by using grey theory model—— taking the prediction of ambient air quality in Jingjiang City as an example ［J］. Pollution Control Technology , 2010 , 23 ( 4 ): 10 - 12 ,22.

杨锦伟 , 孙宝磊 . 基于灰色马尔科夫模型的平顶山市空气污染物浓度预测［J］. 数学的实践与认识 , 2014 , 44 ( 2 ): 64 - 70 .

YANG J W , SUN B L . The prediction of air pollutant concentration in Pingdingshan City based on grey Markov model ［J］. Mathematics in Practice and Theory , 2014 , 44 ( 2 ): 64 - 70 .

闫妍 , 张云鹏 , 李铠月 , 等 . 基于BP神经网络的西安环境空气质量的预测［J］. 电子设计工程 , 2013 , 21 ( 21 ): 54 - 57 .

YAN Y , ZHANG Y P , LI K Y , et al . Prediction of ambient air quality in Xi’an based on BP neural network ［J］. Electronic Design Engineering , 2013 , 21 ( 21 ): 54 - 57 .

段悦 , 舒红 , 胡泓达 , 等 . 全球 MODIS 气温数据的修正秩克里金插值分析［J］. 武汉大学学报(信息科学版) , 2015 ( 8 ): 1036 - 1041 .

DUAN Y , SHU H , HU H D , et al . Modified rank kriging interpolation analysis of global MODIS temperature data ［J］. Journal of Wuhan University (Information Science Edition) , 2015 ( 8 ): 1036 - 1041 .

ZHOU Z H , LI M . Semisupervised regression with cotraining-style algorithms ［J］. IEEE Transactions on Knowledge ＆ Data Engineering , 2007 , 19 ( 11 ): 908 - 913 .

韩忠华 . Kriging模型及代理优化算法研究进展［J］. 航空学报 , 2016 , 37 ( 11 ): 3197 - 3225 .

HAN Z H . Research progress of Kriging model and agent optimization algorithm ［J］. Acta Aeronautica ET Astronautica Sinica , 2016 , 37 ( 11 ): 3197 - 3225 .

CAI D , HE X . Manifold adaptive experimental design for text categorization ［J］. IEEE Transactions on Knowledge ＆ Data Engineering , 2012 , 24 ( 4 ): 707 - 719 .

浏览量

536

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据