检索结果

Select

1. 基于U-net神经网络模型的PM_2.5逐小时浓度值预测模型

李燚航, 翟卫欣, 颜寒祺, 朱道也, 童晓冲, 程承旗

北京大学学报自然科学版 2020, 56 (5): 796-804. DOI: 10.13209/j.0479-8023.2020.065

摘要（1283）

HTML

PDF（pc）（1434KB）（279）

针对目前多数PM_2.5预测模型泛化能力较差的问题, 提出基于U-net神经网络模型的PM_2.5逐小时浓度值预测模型。该模型通过引入历史风场数据, 将离散的监测站点PM_2.5浓度值插值为PM_2.5网格图; 然后将U-net神经网络作为预测模型, 基于实验区域的10小时内的PM_2.5网格图, 预测下一时刻的PM_2.5网格图。该模型可以利用历史不同时刻提取的PM_2.5浓度值网格图, 在预测区域内所有位置PM_2.5浓度值的同时, 还可以提升预测的准确性以及对PM_2.5浓度值突变情况的适应性。实验结果表明, 所提方法在PM_2.5浓度值短时间突变情况下, 预测精度比传统方法有10%左右的提升。

相关文章 | 多维度评价 | 评论（0）

Select

2. 多尺度空间填充曲线空间连续性研究

翟卫欣, 陈波, 童晓冲, 程承旗

北京大学学报（自然科学版） 2018, 54 (2): 331-335. DOI: 10.13209/j.0479-8023.2017.147

摘要（1084）

HTML （1）

PDF（pc）（343KB）（375）

将二维Hilbert编码和Z编码拓展到以尺度维作为第三维的三维填充曲线: 多尺度Hilbert曲线和Z曲线。在多尺度数据条件下, 这两种曲线能够提高空间填充曲线的空间连续性, 适应多尺度的需求。依托四叉树模型, 将多尺度的Hilbert曲线与按照相同思路设计的多尺度Z曲线进行两类对比试验, 验证了多尺度Hilbert曲线相对于Z曲线在空间连续性方面的优势, 提高的比例在15%~30%之间。

相关文章 | 多维度评价 | 评论（0）

Select

3. 基于Kalman 滤波的Camshift 运动跟踪算法

翟卫欣;程承旗

北京大学学报（自然科学版） 2015, 51 (5): 799-804.

摘要（727）

PDF（pc）（3288KB）（1512）

相关文章 | 多维度评价 | 评论（0）