10.19335/j.cnki.2095-6649.2020.08.050
基于K-means算法的空气质量分析的改进研究
K-means算法越来越多的应用于空气质量分析领域,针对这种应用迅速增加的原因,即K-means算法对比传统AQI分析的改进方面,做了两点研究.首先使用K-means算法对大气污染物浓度和相对应的IAQI值分别进行了聚类,给出了聚类结果相似度的定义,通过对比两种聚类的聚类结果相似度,证明了两种聚类结果的一致性程度高,可以直接使用污染物浓度进行聚类,无需再进行复杂的IAQI计算.其次将K-means聚类结果与AQI分析结果进行了对比研究,证明进行相同等级的划分,K-means聚类结果能够综合分析所有大气污染物对空气质量的影响,降低了AQI具有的片面性和低区分度.
空气质量分析、聚类算法、聚类结果相似度
10
TP181(自动化基础理论)
国家自然科学基金研究项目;国家自然科学青年基金项目;山西省软科学研究计划;山西大同大学2019年度科研基金项目
2021-04-01(万方平台首次上网日期,不代表论文的发表时间)
共5页
124-128