公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

基于BP神经网络的城市主干道边N02小时浓度预测方法研究: 本文提出了一种应用BP神经网络对城市主干道边的N02小时平均浓度值进行预测的方法。影响路边N02浓度的主要因素包括O3浓度、NO浓度、主干道的车流量以及气温、气压、风速、风向、相对湿度、雨量和太阳辐射强度等气象因素。选取...; 谢敏蔡铭余志徐伟嘉; 关键词：神经网络城市主干道训练数据; 文献传递

人工神经网络在城市空气质量预报中的应用研究: 目前，国内外的大中城市空气质量逐渐恶化，严重灰霾、光化学污染等空气污染突发事件时有发生，人们希望通过空气质量预报了解当天或者未来一段时间内的空气质量状况，及时调整出行或采取有效的应对措施。由于机动车尾气的排放...; 谢敏; 关键词：人工神经网络城市空气质量污染物浓度污染防治空气质量预报; 文献传递

基于TLD的物体自动识别系统: 2016年; 大数据时代下随着计算机数据处理能力的提高,传感技术、音频技术、自动化控制技术得到不断地发展,视频帧和图像信息作为人类通过客观世界获得信息的主要来源之一更是得到了诸多的重视。如今计算机视觉作为当下研究的热潮之一,拥有诸如识别、运动、场景重建、图像恢复等众多技术挑战。其中又以物体识别最为重要。与此同时,众多的物体识别系统却仅仅侧重于物体识别的精度而缺乏其他辅助功能的实现,如何拥有更好的人机交互以及更广阔的市场前景的物体自动识别系统是当下众多开发者所探讨的。在本文中我们将物体识别与语音处理相结合,首先在物体识别算法Tracking-Learning-Detection (TLD)的基础上进行改进,以给定的一类物体的图片数据集为基础,训练出适合于识别该类物体的分类器,从而判断新的物体是否为目标物体,实现对指定一类物体的识别;同时该系统将以语音识别作为人机交互的基础,使用户可以利用语音将图片数据添加到训练集中并更新分类器,同时采用动态规划的方式(DTW)对语音特征进行匹配从而保证了语音识别的准确度。; 李学彦王春南谢敏王昌栋; 关键词：语音处理 TLD DTW

佛山禅城区机动车尾气排放特征及分布被引量：8: 2010年; 通过对禅城区不同道路类型交通流进行调查分析,运用COPERT模式计算出2008年佛山地区机动车排放因子,分析出禅城区机动车尾气排放的主要来源及主要特征,得到了禅城区机动车尾气排放总量及排放分担率。根据佛山市辖区区间出行车辆较多的特点,采用源强估算总量的方法计算区内机动车污染排放。结果表明,禅城区2008年CO、NO_x、VOC、PM的排放量分别为72 356.86 t、7 288.38 t、9 991.68 t和366.80 t。不同车型对不同污染物的排放贡献率差别明显,尤以摩托车的CO、VOC排放贡献较高,分别占机动车排放污染物总量的85%和77%。道路局部污染最严重的道路类型为国道,整体污染最为严重的为主干路。区内机动车劣化严重,占机动车总量37%的国0车的CO、NO_x、VOC、PM排放分担率分别占机动车排放总量的68%、45%、58%、63 %。不同车型、不同排放标准的排放因子存在较大差别,轻型车的CO、VOC较高而重型车的NOx、PM排放因子较高。; 毕索阳刘永红蔡铭谢敏; 关键词：环境学机动车污染排放因子排放分担率

广州市主干道附近大气污染物浓度的特征及影响因素研究被引量：7: 2008年; 为研究城市主干道边的空气污染状况,通过采用自动监测系统,在2007年1月至2月期间,对广州市新港西路两侧以及附近大学校园内的空气质量进行监测,获得了其空气污染物浓度的特征:(1)空气污染水平高,NO2与PM10日均值超标率较高;(2)污染物时空分布不均匀,NO浓度白天通常比夜间高,路边监测点NO小时浓度为校园对照点浓度的3倍左右。同时,分析了污染物浓度与气象条件及主干道交通流量的关系。结果表明:污染物浓度与气象因素之间有较高的多元线性相关性,但与单个因素的相关性不强;路边监测点的NO小时浓度和校园对照点的NO2小时浓度均与车流量有较高的相关系数,而PM10与车流量无显著相关性。综合考虑气象因素与交通流时,多元线性回归方程的复相关系数更高。; 谢敏蔡铭余志刘永红; 关键词：大气污染空气质量监测机动车排放

基于精益六西格玛的广州铁道车辆厂轮轴车间管理改善的研究: 精益六西格玛是精细生产与六西格玛管理方法有机结合，是改善企业生产率与提高经济效益的先进管理方法。本论文首先从围绕企业运营管理的三个核心问题出发，即成本、效率和质量，提出了采用精益六西格玛的方式来实现这三个目标。接着简单介...; 谢敏; 关键词：精益六西格玛; 文献传递

基于BP神经网络的佛山空气质量预报模型的研究被引量：12: 2011年; 提出非数值的佛山惠景城站点空气质量预报模型,将BP神经网络引入到预报模型中,以降雨量、风速、风向、温度、湿度和云量等气象参数和前1 d污染物浓度为模型输入参数,建立了结构为7-7-1的非季节预报模型和夏季预报模型。结果表明,夏季模型无论在模型检验还是在实际预报精度方面都略优于非季节模型。夏季模型的级别预报评分基本在90分以上,综合评分比非季节模型高10%。对夏季模型进行了参数敏感性分析,结果表明具有较好的稳定性。; 刘永红谢敏蔡铭李璐; 关键词：环境工程学空气质量预报 BP神经网络

全选清除导出

共1页<1>

谢敏