基于混核极限学习机的道路高排放源识别方法
On-road high-emitter identification method based on mixed kernel extreme learning machine作者机构：安徽大学人工智能学院安徽合肥230601 合肥综合性国家科学中心人工智能研究院安徽合肥230088 中国科学技术大学先进技术研究院安徽合肥230088 安徽大学计算机科学与技术学院安徽合肥230601
出 版 物：《大气与环境光学学报》 (Journal of Atmospheric and Environmental Optics)
年 卷 期：2024年第19卷第1期
页 面：62-72页
核心收录：
学科分类：07[理学] 070602[理学-大气物理学与大气环境] 0706[理学-大气科学]
基 金：国家自然科学基金(62103125 62033012) 安徽省博士后研究人员科研活动资助经费(BSH202103)
摘 要：由于道路高排放源所产生的污染气体对环境危害巨大,因此实现对高排放源的准确识别具有重要意义。而传统的基于限值划分的识别方法及新兴的人工智能识别方法在模型选择、评价指标、识别性能等方面都存在一定的改进空间,因此针对以上问题,提出一种基于混核极限学习机的道路高排放源识别方法。该方法使用道路遥感监测设备获取的移动源遥测数据,在核极限学习机的基础上融合不同核函数,可提升模型鲁棒性及道路高排放源识别性能。针对合肥市蜀山区真实道路遥测数据上的分析结果表明,该方法相比于其他方法具有较高的F1分数以及较低的漏报率、虚警率,证实了该方法在高排放源识别中的有效性。因此,该方法有助于对交通路网中高排放车辆进行高效识别,为进一步提升城市空气质量提供支撑。
维普期刊数据库
同方期刊数据库