利用2009年1-12月兰州地区的 MODIS气溶胶光学厚度产品与全球自动观测网（AERONET）SACOL站（104.08°E，35.57°N）数据进行对比分析，相关系数达到0.82，线性拟合的斜率为1.13，截距为0.07，表明 MODIS AOD能反映兰州地区气溶胶分布的信息.利用MODIS AOD产品与兰州市空气污染指数做相关分析，二者的相关程度较低.在进行湿度影响因子、气溶胶标高订正后，二者相关性有了较为显著的提高，说明 MODIS AOD产品可应用于监测兰州地区大气污染情况.

内容 关键链接 GitHub： : 网页： ： 介绍 通过复制空气质量折减模型的计算， rfasst报告了在全球变化分析模型（ ）运行的任何情况下，由空气污染引起的一系列不利健康和农业影响，其影响范围是一致的。 引文 安装指南 下载并安装： R（ ） R studio（ ） （用于克隆仓库）Git（ ） 将存储库克隆到本地计算机： 工作目录中的Git bash（右键单击->“此处的Git Bash”） 在Git控制台中，输入： git clone https : // github.com / JGCRI / rfasst.git 打开Rproject（rfasst.Rproj）： 在Rstudio菜单中，单击“构建->安装并重新启动”（Ctrl + Shift + B） 如何指导 该软件包包含一组功能，这些功能分为四个不同的模块： 模块1.排放物重新标

空气污染序列预测数据集.zip

空气质量预测 近年来，空气污染急剧增加，并且对所有生物造成的影响更糟。 世界上大多数国家都在与日益增加的空气污染水平作斗争。 因此，控制和预测空气质量指数已成为必要。 在此研究项目中，我们将实施数据挖掘和机器学习模型来预测AQI并将AQI归类。 对于AQI预测，我们已经实现了五个回归模型主成分，偏最小二乘法，留一维CV的主成分，留一维CV的偏最小二乘，多个印度城市的多元回归AQI数据。 根据AQI的值，AQI指数进一步分为6个不同的类别，即“好，满意，中，差，非常差和严重”。 为了预测AQI桶，我们使用重复CV分类算法开发了三种分类模型，分别是多项式Lo​​gistic回归和K最近邻和K最近邻。 来自印度不同城市的空气质量数据集，具有留一法交叉验证的PLS模型。

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。

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

全球与中国工业空气污染控制系统市场现状及未来发展趋势.docx

空气污染指数（air pollution index，API）是评价空气质量状况的有效手段，在分析银川市API变化特征的基础上，将小波分析与BP神经网络相结合，分别采用分解一预测一重构法和小波函数替代法对银川市API值进行了预测，结果表明：银川市API呈现年际下降，月际周期波动的特.；相对于其他小波，采用db10对数据进行分解、预测、重构后获得的结果最好；分解一预测一重构模型的预测精度较高，优于小波函数替代模型，适用于银川市空气污染指数的预测，

空气污染仍然是导致世界上无辜生命丧生的原因。这些数据将打开您的视线，并为您提供深刻的见解。 death-rates-from-air-pollution.csv

BP神经网络预测，Python实现，多输入多输出，实现空气污染物预测等