原文传递
基于深度特征聚类的高排放移动污染源自动识别
| 题名： | 基于深度特征聚类的高排放移动污染源自动识别 |
| 作者： | 许镇义;王仁军;张聪;王瑞宾;夏秀山 |
| 作者单位： | 合肥综合性国家科学中心人工智能研究院;安徽大学计算机科学与技术学院;合肥市生态环境局;中国科学技术大学先进技术研究院 |
| 关键词： | 信息技术;高排放识别;特征聚类;深度森林 |
| 摘要： | 传统的高排放移动源识别方式是将采集的尾气数据与预先设定的排放阈值进行比较判定，但是，排放阈值的设定很大程度上取决于人为标准，并且忽视了外部因素对尾气排放的影响，无法真正反映移动源排放水平。针对此问题，本文结合机器学习算法，提出一种基于深度特征聚类的高排放移动源识别方法。首先，利用随机森林算法筛选出不同污染物(CO、HC、NO)排放的主要影响特征；其次，对多维影响特征进行聚类分析，获取高排放类别标签；最后，训练得到基于深度森林的移动污染源分类模型，自动识别高排放目标源。通过对比实验，在合肥市机动车污染遥测数据集上验证了所提方法的有效性。 |
| 期刊名称： | 交通运输系统工程与信息 |
| 出版日期： | 202106 |
| 出版年： | 2021 |
| 期： | 06 |
| 页码： | 298-309 |
检索历史
应用推荐
