一种基于多尺度FasterR-CNN模型的大气雾霾预测方法技术

一种基于多尺度Faster R

【技术实现步骤摘要】
一种基于多尺度Faster R
‑
CNN模型的大气雾霾预测方法


[0001]本专利技术涉及大气雾霾预报领域，特别是涉及一种基于多尺度Faster R
‑ꢀ
CNN模型的大气雾霾预测方法。

技术介绍

[0002]雾霾天气主要是发展方式粗放、产业结构和能源结构不尽合理造成的，其根 源还在化石能源，一个是烧煤，一个是燃油，另外发展方式比较粗放，排放了大 量的污染物。雾霾灾害，是大气长期污染造成的结果，如何治理大气污染，是全 人类面临急需解决的问题之一。
[0003]从目前来看，不同领域的研究者们开始对雾霾成因、雾霾影响、雾霾治理 等方面进行了分析研究，取得了一系列的研究成果，其中对雾霾预测也取得了 较大的进展，这保障了人们日常的出行安全，同时也保障了正常的工业生产。 然而雾霾受多种因素影响，同时具有非线性等特征，现有的雾霾预测方法的准 确度和自适应性还需提高，因此针对以上问题进行研究具有非常重要的现实意 义。
[0004]国内涉及对大气雾霾进行预测的中国专利“基于大气稳定度的大范围雾霾的 预报方法及系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多尺度Faster R
‑
CNN模型的大气雾霾预测方法，具体步骤如下，其特征在于：步骤1，获取卫星云图：利用静止卫星和极轨卫星接收云图数据，并对含有雾霾的图像进行区域的边界确定以制作相应的训练样本；步骤2，图像去雾增强：利用同质滤波算法对步骤1中采集到的卫星云图进行去雾处理从而突出云图中含有的特征，接着上传至MYSQL中的训练数据集中；步骤3，模型离线训练：利用多尺度Faster R
‑
CNN模型对步骤2中得到的图像进行雾霾边缘特征检测，直至达到训练的收敛条件，此时认为模型训练结束；步骤4，模型在线预报：将步骤1～步骤3训练得到的多尺度Faster R
‑
CNN模型在线应用，实现对大气雾霾的准确预报；步骤5，模型优化升级：对预报错误的情况，将此次的卫星云图上传至MYSQL中的纠错数据集中，当纠错集中的图像数量超过设定的阈值100时，则对模型进行训练更新。2.根据权利要求1所述的一种基于多尺度Faster R
‑
CNN模型的大气雾霾预测方法，其特征在于：步骤2中利用同质滤波算法对卫星云图进行去雾处理的具体描述为：对图像函数g(x，y)来说，其由反射函数r(x，y)和照明函数i(x，y)乘积组成，也即：g(x，y)＝r(x，y)
×
i(x，y)式中，r(x，y)∈(0，1)，i(x，y)∈(0，∞)；接着对g(x，y)取对数、傅里叶变换以及通过滤波函数进行滤波，得到图像经过同质滤波后的结果E(u，v)，其表达式如下：E(u，v)＝S(u，v)
×
G(u，v)＝S(u，v)
×
I(u，v)+S(u，v)
×
R(u，v)式中，S(u，v)表示滤波函数，G(u，v)为g(x，y)的频域函数，I(u，v)为i(x，y)的频域函数，R(u，v)为r(x，y)的频域函数；所述改进的滤波函数S(u，v)，其表达式为：S(u，v)＝e
‑
α
[α+C(u，v)
β
]式中，C(u，v)表示所用滤波器的中心点至频率点(u，v)的距离，α和...

【专利技术属性】
技术研发人员：周洪成，
申请(专利权)人：金陵科技学院，
类型：发明
国别省市：