文档名：空气污染时序数据特征提取方法研究
摘要：由于空气污染数据噪声较大,对其时序数据进行特征提取的精准度较差.因此,研究空气污染时序数据特征提取方法.首先,基于后缀索引改进PrefixSpan算法,缩小算法运行时的实际占用空间,通过改进算法实施空气污染时序数据挖掘.其次,构建考虑异常保留的时序数据噪声识别清洗模型,完成噪声数据的处理.最后,基于多维评价与模态重构设计特征提取方法,实现去噪时序数据的特征提取.测试结果表明,该方法的平均拟合误差整体较低,拟合损失在0.1以下,说明其特征提取比较准确.
Abstract：Duetothehighnoiseofairpollutiondata,theaccuracyoffeatureextractionforitstimeseriesdataispoor.Therefore,thefeatureextractionmethodofairpollutiontimeseriesdataisstudied.Firstly,thePrefixSpanalgorithmwasimprovedbasedonthesuf-fixindextoreducetheactualfootprintofthealgorithm,andtheairpollutiontimeseriesdataminingwasimplementedthroughtheim-provedalgorithm.Secondly,atimeseriesdatanoiseidentificationandcleaningmodelconsideringanomalyretentionwasconstructedtocompletetheprocessingofnoisedata.Finally,afeatureextractionmethodwasdesignedbasedonmulti-dimensionalevaluationandmo-dalreconstructiontorealizethefeatureextractionofdenoisedtimeseriesdata.Thetestresultsshowthattheaveragefittingerrorofthismethodislow,andthefittinglossisbelow0.1,whichindicatesthatitsfeatureextractionismoreaccurate.
作者：于璐 姜珊 王新秀Author：YuLu JiangShan WangXinxiu
作者单位：沈阳市气象局,辽宁沈阳100168
刊名：环境科学与管理 ISTIC
Journal：EnvironmentalScienceandManagement
年，卷(期)：2023, 48(12)
分类号：X831
关键词：空气污染时序数据 后缀索引 清晰模型 特征提取
Keywords：timeseriesdataofairpollution suffixindex clearmodel featureextraction
机标分类号：TP301.6TP181U491
在线出版日期：2024年2月3日
基金项目：空气污染时序数据特征提取方法研究[
期刊论文] 环境科学与管理--2023, 48(12)于璐 姜珊 王新秀由于空气污染数据噪声较大,对其时序数据进行特征提取的精准度较差.因此,研究空气污染时序数据特征提取方法.首先,基于后缀索引改进PrefixSpan算法,缩小算法运行时的实际占用空间,通过改进算法实施空气污染时序数据挖掘...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
空气污染时序数据特征提取方法研究 Feature Extraction Methods of Air Pollution Time Series Data
空气污染时序数据特征提取方法研究.pdf
- 文件大小:
- 1.84 MB
- 下载次数:
- 60
-
高速下载
|
