典型文献
一种基于卷积神经网络的源解析因子识别方法
文献摘要：
为解决源解析因子识别过程中人为参与及判定过程复杂的问题,提高源解析因子识别工作的效率,提出基于卷积神经网络(CNN)的源解析因子识别方法.通过文献调研,构造可供CNN模型训练的因子识别数据集,对因子识别模型进行训练与调试,并以北京市南部采样点的PM2.5组分观测数据对模型进行验证.同时,利用正定矩阵分解模型(PMF)解析得到不同因子数时的源谱矩阵,输入因子识别模型并与人工分析比对.结果表明,9个因子时模型的识别效果最佳,可以实现既无重复识别又无"无法判定"的情况,与源解析因子人工识别结果吻合,证明了所提出方法的合理性与可行性.该方法不仅对源解析中因子识别问题具有一定的实用价值,同时对减排策略的制定与动态调整也具有积极意义.
文献关键词：
源解析;正定矩阵分解(PMF);卷积神经网络(CNN);PM2.5
中图分类号：
作者姓名：
孟祥来;孙扬;廖婷婷;张琛;张成影
作者机构：
中国科学院大气物理研究所,创新转化基地,淮南232000;中国科学院大学,北京100049;成都信息工程大学大气科学学院,高原大气与环境四川省重点实验室,成都610225
文献出处：
引用格式：
[1]孟祥来;孙扬;廖婷婷;张琛;张成影-.一种基于卷积神经网络的源解析因子识别方法)[J].环境科学学报,2022(08):117-126
A类：
B类：
源解析,识别过程,文献调研,模型训练,别数,识别模型,市南,采样点,PM2,观测数据,正定矩阵,矩阵分解,分解模型,PMF,源谱,谱矩,工分,人工识别,减排策略
AB值：
0.300587
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
