基于浅层卷积神经网络的空气颗粒物污染程度估计方法

摘要

本发明公开了一种基于浅层卷积神经网络的空气颗粒物污染程度估计方法，该方法的基本步骤包括：1.构建具有层增强功能的浅层卷积神经网络(PMIE)模型；2.将PMIE模型的输出结果与四种天气特征值相结合来构建回归模型；3.训练PMIE模型和回归模型；4.使用训练好的PMIE模型和回归模型估计测试集图像的PM2.5指数。本发明提出一种具有层增强功能的浅层卷积神经网络模型，并将其输出结果与四种天气特征相结合来估计图像中空气颗粒物污染程度，有效的避免了特征提取与特征优化等步骤所引起的问题，得到具体的PM2.5指数值，提高了训练的收敛速度与算法鲁棒性，具有更好的性能。