克拉科夫空气污染项目
该项目致力于波兰克拉科夫的空气污染水平。 在欧洲的空气质量研究中，波兰城市排名很高。 根据瑞士空气监测平台IQAir的数据，克拉科夫在2019年欧洲污染最严重的城市中第29位。 利用天气条件，该模型可以预测称为PM2.5的极细颗粒物的水平，PM2.5是构成最大健康风险的污染物。
来自2019年和2020年的克拉科夫气象数据和PM2.5数据
执行数据预处理（处理丢失的数据，转换分类特征，缩放数据，消除异常值，设计新特征，检查多重共线性）
进行探索性数据分析
使用sklearn的LinearRegression和RandomForest创建和评估模型
在模型上创建性能最佳的python模块
使用资源
的Python版本： 3.7 软件包： pandas，numpy，sklearn，matplotlib，seaborn，sklearn，requests，json，pic
2021-10-15 23:53:15
2.47MB
1
针对目前空气质量污染日益严重的问题，提出了一种基于神经网络的环境空气质量的预测方法。借助于Matlab分别建立空气污染指数（API）和环境空气质量指数（AQI）对空气质量影响的数学模型。利用Matlab对各污染物浓度数据进行分析，计算相应的空气污染指数（API）和环境空气质量指数（AQI），对结果进行对比。运用BP人工神经网络的多层神经网络对全市大气污染物浓度的实测值进行训练学习，建立模型。同时结合未来一周西安市天气预报，用此模型对污染物浓度进行预测和预报，以达到对大气环境质量进行预测预警的作用。应用实例表明：人工神经网络应用于大气环境质量预测预警是比较理想的。
2021-10-14 15:06:31
2.64MB
1
以绵阳市2014~2016年空气污染指数(API)以及SO 2、NO 2、PM 10等污染物为研究对象,探讨了绵阳市空气污染的变化规律,并分析它们与常规观测的地面气象资料之间的关系。尝试采用多元线性回归方法及BP神经网络方法建立污染预报模型,并检验分析两种模型的可行性。结果表明基于BP神经网络的预报模型在污染预报中可行,并建立基于BP神经网络进行空气质量预测的预测模型,利用历史资料进行验证。
2021-06-24 22:03:07
1.61MB
AQI可视化
空气污染可视化系统
相关链接
后台： ：
Docker部署方案： :
Docker仓库：
邮递区号： ：//store.docker.com/community/images/cstao/aqi-postgis
django： ：
nginx： ：
生成步骤
# 安装依赖
yarn
# 以开发模式运行在 2018 端口
yarn dev
# 生成应用程序
yarn build
# 单元测试和端到端测试
yarn test
# 对 src 文件夹下的 Vue/Js 文件进行语法检查
yarn lint
贡献者
2021-06-20 16:48:29
1.31MB
1
本文的目的是基于MATLAB灰色模型研究雄安新区的大气污染物[1]。 从2011年至2016年，分析了雄安三个县监测点的二氧化硫（SO2），二氧化氮（NO2）和可吸入颗粒物（PM1O）的结果。 根据国家环境空气质量标准[2]，基于MATLAB中的灰色模型对雄安新区的空气质量进行了合理评价。 从模型中污染因子的权重来看，二氧化硫（SO2）是雄安新区空气质量的控制因素，二氧化氮（NO2）的重量逐渐增加。 通过综合数据分析获得了三种污染物的主要来源，并根据主要空气污染物的质量浓度建立了灰色模型，并对灰色预测模型进行了检验。 实验结果表明，该模型可以有效地应用于环境空气质量的预测。 在此基础上，得出了雄安新区大气环境质量现状及改进建议。
2021-05-26 11:47:48
337KB
1