买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京工业大学

摘要：本发明提出了基于多源异构数据融合的PM2.5预测模型，该模型通过将多源异构数据融合实现信息的综合，并在融合数据的基础上建立多核支持向量回归机模型实现PM2.5浓度预测。首先，采集空气质量数据和图像两种多源异构数据，并对采集的数据进行预处理和特征提取。其次，使用基于核函数的多核扩展方法完成多源异构数据融合，融合过程主要通过构造、合并Gram矩阵的方式完成，并推导了多核扩展核函数。然后，在多核扩展核函数和扩展核矩阵的基础上，重新构造了多核支持向量回归机模型。最后使用改进的最小序列优化算法对模型参数进行了优化。本发明是基于多源异构数据融合实现的PM2.5预测，能在实现信息融合的基础上得出更加综合可信的判断，保证了预测的准确性、稳定性和可信度。

主权项：1.一种基于多源异构数据融合的PM2.5浓度预测方法，其特征在于，包括如下步骤：步骤1：采集空气质量数据和图像两种异构数据，并对采集的两种异构数据进行数据预处理；将采集的多源异构数据组成样本对，样本对共700组，其中500组作为模型训练数据，200组作为测试数据；步骤2：对预处理完的数据进行特征提取；对图像异构数据采用数字图像处理技术采集图像特征；步骤3：验证步骤2中进行特征提取的特征与PM2.5浓度值的相关性完成特征选择；步骤4：基于数据特征的类型使用不同的核函数进行映射，实现多源异构数据融合；步骤5：基于多源异构融合数据，建立多核SVR回归模型；步骤6：使用改进的最小序列优化算法优化多核SVR模型参数，确定模型结构；1求解αj的优化值α′j，其可行域为L≤α′j≤H； 其中，为αi的原值，为αj的原值；通过求解，αj的优化值为： 2求解αi的优化值α′i： 3对偏置项b进行如下修正： 其中，b′i和b′j为优化值，bo为原值；当所有非边界点满足KKT条件时，参数优化停止；对于原始问题和对偶问题，原始问题的解为ω,ξ,ξ*，同时对偶问题的解为α,α*，令Rω,ξ,ξ*＝Wα,α*，得： 令 则有： 表示迭代算法的精度，当小于给定的算法精度时，迭代停止；停止准则和KKT停止准则搭配使用，设定若干次迭代后进行一次检测；步骤7：通过多核SVR模型对测试数据进行PM2.5浓度预测；步骤4中对多源异构数据特征进行如下操作：设空气质量特征数据ui＝{PM2.5，PM10，SO2，NO2，CO，O3，温度，湿度}，图像特征数据vi＝{Fig，Fid，Fih，Fis，Fii}，其中Fig为图像对比度，Fid为暗通道强度特征，Fih，Fis，Fii为HIS空间差异特征；将两种特征数据融合得到异构特征样本xi＝{ui,vi}，i＝1,2,…,l，则输入空间X＝{x1,x2,…,xl}∈R13×l，输出空间Y＝{y1,y2,…,yl}∈R1×l；使用核方法实现多源异构数据融合；使用两个不同的RBF核函数构造的多核扩展核矩阵形式为： 当p＝p′时，有Kp,p′＝Kp；其中σp、σp′为RBF核函数的参数；相应的多核扩展核矩阵为： 其中Kp,p′i,j＝Kp,p′xi,xj表示两个不同核矩阵的混合，M为使用的核函数个数，l为样本总数。

全文数据：

权利要求：

百度查询： 北京工业大学 基于多源异构数据融合的PM_2.5预测方法