为了更好地反映环境污染变化趋势,为环境管理决策提供及时、全面的环境质量信息,预防严重污染事件发生,开展城市空气质量预报研究是十分必要的。本文针对环境大数据时代下的城市空气质量预报,提出了一种基于深度学习的新方法。该方法通过模拟人类大脑的神经连接结构,将数据在原空间的特征表示转换到具有语义特征的新特征空间,自动地学习得到层次化的特征表示,从而提高预报性能。得益于这种方式,新方法与传统方法相比,不仅可以利用空气质量监测、气象监测及预报等环境大数据,充分考虑污染物的时空变化、空间分布,得到语义性的污染物变化规律,还可以基于其他空气污染预测方法的结果(如数值预报模式),自动分析其适用范围、优势劣势。因此,新方法通过模拟人脑思考过程实现更充分的大数据集成,一定程度上克服了现有方法的缺陷,应用上更加具有灵活性和可操作性。最后,通过实验证明新方法可以提高空气污染预报性能。
2022-04-09 13:36:44
1.78MB
1
绿色西雅图-可视化（团队成员：莎拉·克里斯蒂娜（Sarah Pristash），崔雯琪（Cenqi Cui）和肖恩·加拉格尔（Shaun Gallagher））
该项目的目标是西雅图市的交通可视化。 有大量可公开获得的数据，包括有关年均每日流量（AADT）的信息和特定的GeoBaseID，该ID在地理空间坐标中表示这些流量计数的位置。 这些数据由市政府和州政府每年提供。 此数据集可用于更好地了解流量趋势。 特别是，西雅图绿化团队希望在街道和人口普查跟踪级别上，以不同的粒度级别生动显示交通趋势。 数据已在Greening Seattle Shared Repository中收集并清理。 该存储库在geoPandas数据框中获取这些数据，并使用Follium可视化它们。 西雅图交通数据的可视化旨在最终检查人口增长对年度交通的影响，并检查诸如自行车道，停车位或自行车架的建造等城市规划策略如何影
2022-04-08 09:08:56
15.49MB
1
替换为MIMO，那么论文的小区，大规模MIMO系统是一个多小区多用户的系统，假设该系统中共L个小区，每个小区中基站有M个天线，且移动用户均为天线移动终端设备，其天线数量为K，并且假设信道满足互易性]。
2022-04-06 02:20:32
705KB
地级市-污染排放21个相关指标(1990-2019)
一、数据介绍
数据名称：地级市-污染排放21个相关指标(1990-2019)
数据年份：1990-2019年
数据范围：全国307个地级市
2022-02-24 16:04:51
575KB
通过对石家庄市2013年1~12月PM2.5和PM10实时数据的整理和分析,结果表明,石家庄市区大气中细颗粒物PM2.5和可吸入颗粒物PM10月均浓度变化呈明显的季节性,二者变化趋势基本一致,采暖期12-2月份浓度普遍高于其他月份,PM2.5和PM10浓度最高值均出现在1月份;春夏PM2.5和PM10浓度有所降低,7月份浓度最低。PM2.5和PM10存在显著的正相关关系。
2022-02-20 04:52:38
285KB
1