賀園園，胡小敏，梁騰飛

(西安交通工程學(xué)院 土木工程學(xué)院，西安 710300)

0 引言

工業(yè)持續(xù)快速發(fā)展，導(dǎo)致空氣污染現(xiàn)象逐漸嚴(yán)重，在空氣污染中，霾污染作為一種較為常見的空氣污染現(xiàn)象存在于人類生活中，而霾污染則會(huì)影響人類的日常生活，甚至對(duì)人體造成傷害[1]。在現(xiàn)代霾污染監(jiān)測(cè)環(huán)節(jié)中，一般采用遙感技術(shù)對(duì)霾污染進(jìn)行實(shí)時(shí)監(jiān)控，在較為精準(zhǔn)的程度上掌控霧霾的形成地點(diǎn)及形成原因，以此來進(jìn)行霾污染的治理，在數(shù)據(jù)收集的過程中，由于其監(jiān)測(cè)范圍較為固定，所受人工外力影響較小，測(cè)量的結(jié)果相對(duì)準(zhǔn)確，且數(shù)據(jù)偏于穩(wěn)定趨勢(shì)。在此基礎(chǔ)上，需要同時(shí)對(duì)其大氣覆蓋的地面進(jìn)行有效研究，根據(jù)研究結(jié)果進(jìn)行進(jìn)一步的實(shí)驗(yàn)分析與總結(jié)，保障監(jiān)測(cè)對(duì)象的存在完整性，加強(qiáng)數(shù)據(jù)系統(tǒng)操作，并輔助視野較廣泛的無人機(jī)進(jìn)行高空監(jiān)測(cè)，獲取較為科學(xué)的霧霾污染信息[2]。為此，對(duì)于霾污染的監(jiān)測(cè)及治理逐漸得到人們的關(guān)注。

目前已有學(xué)者對(duì)霾污染監(jiān)測(cè)技術(shù)做出了研究，并取得了一定的成果。文獻(xiàn)[3]提出基于單片機(jī)的霧霾監(jiān)測(cè)系統(tǒng)。以STC12C5A60S2單片機(jī)為核心，分別設(shè)計(jì)了數(shù)據(jù)采集模塊、傳輸模塊及處理模塊。該方法精度較高，但對(duì)圖像收集的清晰度較低；文獻(xiàn)[4]提出基于VIRR傳感器的霾遙感識(shí)別方法，以監(jiān)測(cè)數(shù)據(jù)為基礎(chǔ)，采用可見光的反射率閾值方法對(duì)霧霾情況進(jìn)行遙感識(shí)別。該方法能夠較為準(zhǔn)確地完善數(shù)據(jù)信息，但對(duì)于信息采集方面的力度較小，無法保證收集的圖像數(shù)據(jù)的精準(zhǔn)性，且耗費(fèi)的監(jiān)測(cè)時(shí)間較長，投資成本較高。

為此，針對(duì)以上問題，本文提出一種基于深度機(jī)器學(xué)習(xí)的霾污染監(jiān)測(cè)技術(shù)。通過對(duì)霾污染數(shù)據(jù)的收集進(jìn)一步完善數(shù)據(jù)收集系統(tǒng)信息，加強(qiáng)對(duì)數(shù)據(jù)的整合與處理，強(qiáng)化中心系統(tǒng)的數(shù)據(jù)儲(chǔ)存能力，保證監(jiān)測(cè)數(shù)據(jù)來源的可靠性，在此基礎(chǔ)上對(duì)收集的數(shù)據(jù)進(jìn)行處理，根據(jù)數(shù)據(jù)通道的不同將收集的數(shù)據(jù)信息進(jìn)行劃分，同時(shí)加強(qiáng)系統(tǒng)過濾操作，進(jìn)一步完善數(shù)據(jù)信息的準(zhǔn)確性，最后對(duì)處理后的數(shù)據(jù)進(jìn)行監(jiān)測(cè)操作，根據(jù)不同的監(jiān)測(cè)對(duì)象有針對(duì)性地進(jìn)行實(shí)驗(yàn)選擇，根據(jù)霾污染的各項(xiàng)特征進(jìn)一步提升監(jiān)測(cè)系統(tǒng)的監(jiān)測(cè)力度，最終達(dá)到對(duì)霾污染監(jiān)測(cè)的目的。該技術(shù)在一定程度上實(shí)現(xiàn)了對(duì)數(shù)據(jù)的有效分析，完善了監(jiān)測(cè)系統(tǒng)的數(shù)據(jù)監(jiān)測(cè)能力，操作簡(jiǎn)便，成本較低，能夠更好地為使用者所使用。

1 基于三維空間分布圖像的霾污染數(shù)據(jù)采集

由于霾污染的存在具有高度的特殊性，為此，需對(duì)其進(jìn)行污染數(shù)據(jù)收集，并對(duì)其產(chǎn)生的地點(diǎn)進(jìn)行精準(zhǔn)劃分，以便操作能夠更好地進(jìn)行。

本文利用監(jiān)測(cè)機(jī)器對(duì)霾污染生成地區(qū)的地形、地面設(shè)施以及空中狀況進(jìn)行研究，并將臨近區(qū)域作為實(shí)驗(yàn)地點(diǎn)，進(jìn)一步追蹤霾污染數(shù)據(jù)存在的狀況及相關(guān)信息，對(duì)霾污染產(chǎn)生的不同季節(jié)與環(huán)境進(jìn)行分析，根據(jù)不同時(shí)段的霾污染狀況進(jìn)行類別分析，同時(shí)對(duì)不同時(shí)間段進(jìn)行機(jī)器數(shù)據(jù)追蹤，其追蹤圖如圖1所示。

圖1 追蹤圖

將獲取的追蹤信息進(jìn)行整合，同時(shí)劃分集合A作為數(shù)據(jù)的存儲(chǔ)集合，并在數(shù)據(jù)儲(chǔ)存的基礎(chǔ)上強(qiáng)化數(shù)據(jù)分析能力，將霾污染樣本與監(jiān)測(cè)數(shù)據(jù)相結(jié)合，并進(jìn)行數(shù)據(jù)比較，分析其比較結(jié)果，同時(shí)對(duì)其進(jìn)行性能研究，利用霾污染在不同濃度空間的存在結(jié)果分析，進(jìn)一步研究其時(shí)空分布及分布規(guī)律，以此掌控霾污染可能存在的條件，多次進(jìn)行機(jī)器飛行追蹤實(shí)驗(yàn)，根據(jù)不同的污染項(xiàng)目組對(duì)霾污染進(jìn)行數(shù)據(jù)監(jiān)測(cè)，將較為典型的數(shù)據(jù)放置在實(shí)驗(yàn)區(qū)域的三維分布空間內(nèi)[5]。其三維分布空間如圖2所示。

圖2 三維分布空間圖

同時(shí)加大系統(tǒng)控制操作，找尋污染物存在的垂直分布規(guī)律，并將機(jī)器進(jìn)行垂直分布組合操作，完善機(jī)器分布規(guī)律，進(jìn)而實(shí)現(xiàn)對(duì)污染物的標(biāo)準(zhǔn)獲取，在三維分布監(jiān)測(cè)過程中，監(jiān)測(cè)凌晨時(shí)間段以及太陽輻射能力最強(qiáng)時(shí)間段的霾污染程度，并將獲得的污染數(shù)據(jù)進(jìn)行存儲(chǔ)操作，測(cè)量此種狀況下的大氣地面累積氣壓以及氣流狀況，并分析空氣流通情況，進(jìn)一步完善水平方向的空間監(jiān)測(cè)系統(tǒng)，防止污染物的流動(dòng)，保證數(shù)據(jù)完整[6]。

由于污染物受所處溫度的影響較大，為此，在監(jiān)測(cè)過程中應(yīng)不斷注意研究區(qū)域的溫度上升狀況，排除存在的特殊狀況，同時(shí)注重溫度存在對(duì)數(shù)據(jù)監(jiān)測(cè)的可行性影響，根據(jù)不同的航次數(shù)據(jù)對(duì)不同高度的溫度數(shù)據(jù)進(jìn)行觀測(cè)，并保證在監(jiān)測(cè)過程中盡量縮減查詢范圍，降低監(jiān)測(cè)難度，從而保證監(jiān)測(cè)效率，延長監(jiān)測(cè)系統(tǒng)使用年限。降低污染物對(duì)于空氣流動(dòng)的敏感程度，避免不必要因素對(duì)數(shù)據(jù)收集的影響，并加強(qiáng)系統(tǒng)收集的力度，強(qiáng)化中心系統(tǒng)的收集，進(jìn)一步提升數(shù)據(jù)收集的圖像完整性，以便后續(xù)操作的進(jìn)行[7]。

結(jié)合溫度垂直輪廓對(duì)數(shù)據(jù)進(jìn)行分析，整合符合所需數(shù)據(jù)特征的數(shù)據(jù)，并將數(shù)據(jù)進(jìn)行分類，集中研究分類后的數(shù)據(jù)信息，并生成數(shù)據(jù)庫，在生成的數(shù)據(jù)庫的基礎(chǔ)上完善數(shù)據(jù)分析研究，掌控霾污染生成的合理區(qū)間，在大氣層趨于穩(wěn)定的狀況下對(duì)霾污染數(shù)據(jù)進(jìn)行再次集中收集操作，繪制三維空間圖，并不斷推測(cè)污染數(shù)據(jù)產(chǎn)生與溫度的關(guān)系，并觀察其遞減斜率與時(shí)間的關(guān)系，檢測(cè)關(guān)系數(shù)據(jù)是否符合預(yù)測(cè)目標(biāo)，同時(shí)將最終的收集數(shù)據(jù)整合至集中集合A中，以此進(jìn)行下一步的數(shù)據(jù)處理操作[8]。

2 基于深度機(jī)器學(xué)習(xí)的霾污染數(shù)據(jù)處理

深度機(jī)器學(xué)習(xí)結(jié)合了深度學(xué)習(xí)和機(jī)器學(xué)習(xí)兩種算法，深度學(xué)習(xí)能夠通過迭代完成學(xué)習(xí)，尋到最優(yōu)解，而機(jī)器學(xué)習(xí)是將深度學(xué)習(xí)人工智能化的一種手段。深度智能學(xué)習(xí)是利用深度神經(jīng)網(wǎng)絡(luò)來解決特征表達(dá)的一種智能學(xué)習(xí)過程。為處理霾污染數(shù)據(jù)，引入深度智能學(xué)習(xí)算法，對(duì)霾污染數(shù)據(jù)進(jìn)行收集，查詢數(shù)據(jù)類型，將不同類型的數(shù)據(jù)代入至神經(jīng)網(wǎng)絡(luò)作為輸入層數(shù)據(jù)，通深度過迭代得到興趣區(qū)域，通過規(guī)則處理合成數(shù)據(jù)，進(jìn)一步進(jìn)行角度處理，提升數(shù)據(jù)監(jiān)測(cè)處理效能，通過上述步驟完成對(duì)霾污染數(shù)據(jù)的監(jiān)測(cè)及處理。

首先根據(jù)霾污染數(shù)據(jù)的濃度信息以及深度機(jī)器學(xué)習(xí)的輸入數(shù)據(jù)類型對(duì)收集數(shù)據(jù)進(jìn)行分類[9]。并對(duì)數(shù)據(jù)的適用范圍進(jìn)行研究，同時(shí)不斷過濾產(chǎn)生的干擾數(shù)據(jù)，在數(shù)據(jù)生成的過程中加大處理力度，并經(jīng)過以下步驟完成對(duì)收集數(shù)據(jù)的預(yù)處理：

1)利用機(jī)器軟件對(duì)待處理數(shù)據(jù)進(jìn)行讀取，并檢測(cè)其存在的狀況是否符合所需狀況，此時(shí)，機(jī)器軟件將自動(dòng)打開處理系統(tǒng)對(duì)數(shù)據(jù)進(jìn)行輻射矯正，并將矯正結(jié)果進(jìn)行記錄與存儲(chǔ)，其矯正圖如圖3所示。

圖3 矯正圖

2)對(duì)數(shù)據(jù)的發(fā)射率通道進(jìn)行數(shù)據(jù)類型查詢，并將查詢獲取的數(shù)據(jù)進(jìn)行幾何矯正操作，使用機(jī)器軟件系統(tǒng)加強(qiáng)數(shù)據(jù)矯正處理。在矯正的過程中利用定位系統(tǒng)加大對(duì)數(shù)據(jù)的位置固定處理，同時(shí)建立地面控制點(diǎn)，選取標(biāo)準(zhǔn)的發(fā)射率作為輻射數(shù)據(jù)處理通道，并以此作為數(shù)據(jù)處理標(biāo)準(zhǔn)點(diǎn)對(duì)其他通道數(shù)據(jù)進(jìn)行相應(yīng)的數(shù)據(jù)處理與操控，對(duì)產(chǎn)生的輻射率進(jìn)行幾何矯正控制，根據(jù)發(fā)射率產(chǎn)生的數(shù)據(jù)傳輸功能加大對(duì)反射率文件的處理[10]。

3)進(jìn)一步對(duì)興趣區(qū)域進(jìn)行提取，并利用機(jī)器行政區(qū)域提升數(shù)據(jù)的興趣操控，并檢查行政區(qū)域圖像，利用語言軟件選擇相同的數(shù)據(jù)處理區(qū)間，根據(jù)不同的經(jīng)緯度范圍對(duì)數(shù)據(jù)進(jìn)行確認(rèn)，同時(shí)對(duì)數(shù)據(jù)發(fā)射率文件以及反射率文件進(jìn)行處理，裁剪所需的數(shù)據(jù)信息，同時(shí)加強(qiáng)理論處理，在集中數(shù)據(jù)的同時(shí)掌控?cái)?shù)據(jù)存在的必要條件，并根據(jù)存儲(chǔ)空間確定數(shù)據(jù)處理狀況，若區(qū)間提取的范圍一直，則認(rèn)定處理的數(shù)據(jù)在一定程度上存在著相似性，且處理的數(shù)據(jù)圖像存在著相關(guān)性，將興趣區(qū)域進(jìn)行合成操作，并將發(fā)射率通道的數(shù)據(jù)存儲(chǔ)至中心系統(tǒng)，并將發(fā)射率文件置于系統(tǒng)頂部，將反射率通道數(shù)據(jù)存儲(chǔ)至主系統(tǒng)中，并將反射率文件置于系統(tǒng)底部[11]。依次形成順序文件將數(shù)據(jù)進(jìn)行處理分類，根據(jù)幾何矯正的數(shù)據(jù)特征分析數(shù)據(jù)處理所需條件，并將其與興趣區(qū)域提取的數(shù)據(jù)進(jìn)行圖像合成操作，選擇適合的規(guī)則將圖像進(jìn)行規(guī)則處理，最終獲得合成數(shù)據(jù)[12]。

4)將所獲取的合成數(shù)據(jù)進(jìn)行進(jìn)一步的角度處理，并設(shè)計(jì)其角度處理，如圖4所示。

圖4 角度處理圖

將數(shù)據(jù)的角度數(shù)據(jù)集系統(tǒng)打開，利用文件特征對(duì)其進(jìn)行數(shù)據(jù)角度矯正，同時(shí)提取矯正后的裁剪角度數(shù)據(jù)，并根據(jù)不同的太陽仰角及俯角標(biāo)準(zhǔn)度數(shù)對(duì)數(shù)據(jù)進(jìn)行整合分析，同時(shí)按照衛(wèi)星所處頂角以及輻射角對(duì)數(shù)據(jù)進(jìn)行角度處理研究，并按照大小將角度數(shù)據(jù)進(jìn)行排列，重新組合數(shù)據(jù)，獲取新的向量數(shù)據(jù)組，并將數(shù)據(jù)組按照時(shí)間順序進(jìn)行調(diào)整，進(jìn)一步提升數(shù)據(jù)的事件處理效能，采用時(shí)間理論分類處理角度數(shù)據(jù)，按照中心系統(tǒng)指令完成數(shù)據(jù)圖像處理任務(wù)，以完善系統(tǒng)的綜合處理性能，并在處理過程中注重對(duì)系統(tǒng)自身監(jiān)測(cè)系統(tǒng)的保護(hù)，增強(qiáng)系統(tǒng)操作安全性，提升其可持續(xù)發(fā)展能力。經(jīng)過以上步驟，實(shí)現(xiàn)對(duì)霾污染數(shù)據(jù)的處理操作[13]。

3 霾污染纏身的條件種類及監(jiān)測(cè)技術(shù)

在完成對(duì)霾污染數(shù)據(jù)的處理后，進(jìn)一步進(jìn)行霾污染監(jiān)測(cè)操作，并將霾污染產(chǎn)生的種類與條件進(jìn)行分類，精準(zhǔn)監(jiān)測(cè)霾污染存在狀況。

本文將霾污染監(jiān)測(cè)分為以下幾種狀況：

1)對(duì)氣溶膠的厚度進(jìn)行監(jiān)測(cè)。由于空氣污染中氣溶膠的含量較大，對(duì)其的監(jiān)測(cè)能夠更為直觀的反應(yīng)霾污染程度。環(huán)境中的氣溶膠的含量由其厚度所反映，為此，本文在天氣狀況不改變的條件下對(duì)氣溶膠的密度進(jìn)行監(jiān)測(cè)，并將監(jiān)測(cè)數(shù)據(jù)單獨(dú)記錄，以避免與其余數(shù)據(jù)混合，并盡量在短時(shí)間內(nèi)完成對(duì)指定空間氣溶膠密度的檢測(cè)，并掌握其范圍信息，對(duì)霧霾產(chǎn)生的根源數(shù)據(jù)進(jìn)行明確解析，并利用機(jī)器遙感對(duì)影像數(shù)據(jù)進(jìn)行監(jiān)測(cè)，同時(shí)進(jìn)行氣溶膠光學(xué)的厚度反應(yīng)，完成初始?xì)馊苣z監(jiān)測(cè)操作。其遙感監(jiān)測(cè)圖如圖5所示。

圖5 遙感監(jiān)測(cè)圖

2)進(jìn)一步對(duì)霾污染中具有毒性的二氧化硫及二氧化氮物質(zhì)進(jìn)行監(jiān)測(cè)，以處理后的霾污染數(shù)據(jù)為起源點(diǎn)，將二氧化硫與二氧化氮進(jìn)行雜質(zhì)比例對(duì)比，將環(huán)境中的植物接觸到二氧化硫及二氧化氮所產(chǎn)生的紅外線反射能力強(qiáng)弱作為監(jiān)測(cè)依據(jù)，觀察植物狀況，同時(shí)對(duì)其進(jìn)行深度分析，分解數(shù)據(jù)監(jiān)測(cè)所需要求，結(jié)合不同圖像的生成需求對(duì)監(jiān)測(cè)范圍進(jìn)行重新調(diào)整，在影像監(jiān)測(cè)的過程中綜合考慮圖像數(shù)據(jù)的重合類別，并將此些數(shù)據(jù)進(jìn)行對(duì)比，有效分析霾污染中有害物質(zhì)的存在比例[14]。

3)對(duì)秸稈燃燒后的雜質(zhì)進(jìn)行霾污染監(jiān)測(cè)，將排出的不同性質(zhì)的雜質(zhì)與處理數(shù)據(jù)進(jìn)行對(duì)比，查找其存在的相似性，由于此些雜質(zhì)含有大量有毒物質(zhì)，為此，在監(jiān)測(cè)過程中應(yīng)不斷注意對(duì)雜質(zhì)發(fā)生源的集中處理，并固定霾污染監(jiān)測(cè)位置，以便簡(jiǎn)化監(jiān)測(cè)操作，借助高溫像素元與背景像素元在不同長度的輻射段中的能量差異對(duì)地面產(chǎn)生的霾污染進(jìn)行識(shí)別，進(jìn)一步提升系統(tǒng)監(jiān)測(cè)的精準(zhǔn)度，根據(jù)火點(diǎn)的位置明確霾污染發(fā)生地點(diǎn)，并集中實(shí)施監(jiān)測(cè)操作[15]。

4)對(duì)外界環(huán)境中的沙塵暴進(jìn)行霾污染監(jiān)測(cè)，對(duì)大氣中漂浮的雜質(zhì)進(jìn)行集中研究，同時(shí)對(duì)環(huán)境流場(chǎng)進(jìn)行監(jiān)測(cè)，分析環(huán)境存在條件，對(duì)沙塵產(chǎn)生的各個(gè)階段進(jìn)行集中分析，并總結(jié)出時(shí)段表，以便監(jiān)測(cè)時(shí)間的選擇。對(duì)未來一段時(shí)間內(nèi)的環(huán)境質(zhì)量進(jìn)行預(yù)測(cè)，同時(shí)制定相應(yīng)的防控措施，明確其發(fā)展規(guī)律及產(chǎn)生范圍，較為清晰的觀察其影響范圍，并避免監(jiān)測(cè)失誤的產(chǎn)生，其范圍明確圖如圖6所示。

圖6 范圍明確圖

5)利用機(jī)器遙感技術(shù)進(jìn)一步增強(qiáng)對(duì)工礦環(huán)境的霾污染監(jiān)測(cè)，將其中各種性質(zhì)的雜質(zhì)進(jìn)行主要成分分析，避免監(jiān)測(cè)錯(cuò)誤，對(duì)環(huán)境中的潛在因素進(jìn)行整合，降低無關(guān)因素的干擾，提升監(jiān)測(cè)系統(tǒng)的監(jiān)測(cè)準(zhǔn)確度。

在經(jīng)過以上的霾污染分類后，完成最終的霾污染監(jiān)測(cè)。

4 實(shí)驗(yàn)與研究

4.1 實(shí)驗(yàn)?zāi)康?/h3>

為了檢測(cè)本文基于深度機(jī)器學(xué)習(xí)的霾污染監(jiān)測(cè)技術(shù)的監(jiān)測(cè)效果，與傳統(tǒng)基于深度機(jī)器學(xué)習(xí)的霾污染監(jiān)測(cè)技術(shù)的監(jiān)測(cè)效果進(jìn)行對(duì)比，并分析實(shí)驗(yàn)結(jié)果。

4.2 基于深度機(jī)器學(xué)習(xí)的霾污染監(jiān)測(cè)環(huán)境

針對(duì)深度機(jī)器學(xué)習(xí)的技術(shù)特殊性以及霾污染監(jiān)測(cè)的復(fù)雜性，對(duì)其進(jìn)行分析，基于深度機(jī)器學(xué)習(xí)的霾污染監(jiān)測(cè)環(huán)境如圖7所示。

圖7 基于深度機(jī)器學(xué)習(xí)的霾污染監(jiān)測(cè)環(huán)境

根據(jù)上述基于深度機(jī)器學(xué)習(xí)的霾污染監(jiān)測(cè)環(huán)境，進(jìn)行實(shí)驗(yàn)參數(shù)的設(shè)定，如表1所示。

表1 實(shí)驗(yàn)參數(shù)表

4.3 實(shí)驗(yàn)結(jié)果與分析

根據(jù)上述監(jiān)測(cè)模型進(jìn)行實(shí)驗(yàn)對(duì)比，將本文基于深度機(jī)器學(xué)習(xí)的霾污染監(jiān)測(cè)技術(shù)的監(jiān)測(cè)效果與文獻(xiàn)[3]方法、文獻(xiàn)[4]方法的監(jiān)測(cè)效果進(jìn)行比較，得到的監(jiān)測(cè)準(zhǔn)確率對(duì)比圖及監(jiān)測(cè)圖像收集完整率對(duì)比如圖8所示。

圖8 監(jiān)測(cè)準(zhǔn)確率對(duì)比圖

對(duì)比圖8可知，在相同的參數(shù)條件下，文獻(xiàn)[3]方法的監(jiān)測(cè)準(zhǔn)確率平均為30%，文獻(xiàn)[4]方法的監(jiān)測(cè)準(zhǔn)確率平均為50%，而本文基于深度機(jī)器學(xué)習(xí)的霾污染監(jiān)測(cè)技術(shù)的監(jiān)測(cè)準(zhǔn)確率較高，平均約為90%。造成此種差異的主要原因在于本文對(duì)霾污染數(shù)據(jù)進(jìn)行收集，加強(qiáng)了對(duì)數(shù)據(jù)的掌控，同時(shí)在相同的條件下有利于對(duì)監(jiān)測(cè)實(shí)驗(yàn)的開展，能夠更好地獲取有效數(shù)據(jù)，消除其他因素的干擾，減少不利因素的影響，最終獲取較為完善的監(jiān)測(cè)圖像，同時(shí)便于對(duì)監(jiān)測(cè)對(duì)象的研究，增強(qiáng)實(shí)驗(yàn)集中性，降低監(jiān)測(cè)誤差，進(jìn)一步提升監(jiān)測(cè)系統(tǒng)監(jiān)測(cè)性能，最終獲取較高的監(jiān)測(cè)準(zhǔn)確率。而傳統(tǒng)方法對(duì)此方面的處理較差，初始數(shù)據(jù)處理不完善，監(jiān)測(cè)準(zhǔn)確率較低。

對(duì)比圖9可知，在監(jiān)測(cè)樣本數(shù)量為100個(gè)時(shí)，文獻(xiàn)[3]方法的監(jiān)測(cè)圖像收集完整率為20%，文獻(xiàn)[4]方法的監(jiān)測(cè)圖像收集完整率為30%，而本文監(jiān)測(cè)技術(shù)的監(jiān)測(cè)圖像收集完整率為60%，在監(jiān)測(cè)樣本數(shù)量為200個(gè)時(shí)，文獻(xiàn)[3]方法的監(jiān)測(cè)圖像收集完整率為25%，文獻(xiàn)[4]方法的監(jiān)測(cè)圖像收集完整率為38%，本文監(jiān)測(cè)技術(shù)的監(jiān)測(cè)圖像收集完整率為68%，本文監(jiān)測(cè)技術(shù)的監(jiān)測(cè)圖像收集完整率平均值為82%，由于本文對(duì)收集的霾污染數(shù)據(jù)進(jìn)行二次處理，利用輻射矯正以及幾何矯正的方法加強(qiáng)對(duì)數(shù)據(jù)的處理分析，根據(jù)發(fā)射率通道的數(shù)據(jù)進(jìn)行集中整合矯正，進(jìn)一步實(shí)現(xiàn)了對(duì)數(shù)據(jù)的大規(guī)模處理，提升處理的速率，加強(qiáng)對(duì)監(jiān)測(cè)圖像的完整度再現(xiàn)操作，完成數(shù)據(jù)的高度處理，強(qiáng)化圖像的清晰度，增加有用圖像數(shù)據(jù)的攝入，提升圖像收集的完整程度。

圖9 監(jiān)測(cè)圖像收集完整率對(duì)比圖

在此后的監(jiān)測(cè)中，隨著監(jiān)測(cè)樣本數(shù)量的不斷增加，本文監(jiān)測(cè)技術(shù)的監(jiān)測(cè)圖像收集完整率不斷提升，且一直位于傳統(tǒng)監(jiān)測(cè)技術(shù)之上。除以上原因外，本文提升對(duì)霾污染的監(jiān)測(cè)力度，從不同的方面闡述霾污染的監(jiān)測(cè)方式，進(jìn)一步加強(qiáng)系統(tǒng)的監(jiān)測(cè)圖像收集能力，具備較高的數(shù)據(jù)收集性能，在處理的基礎(chǔ)上強(qiáng)化了中心監(jiān)測(cè)技術(shù)，加大對(duì)數(shù)據(jù)的監(jiān)測(cè)改造，減少無關(guān)圖像的干擾率，提升系統(tǒng)圖像收集相關(guān)性，獲取更加完整的監(jiān)測(cè)圖像數(shù)據(jù)信息。采取一定的系統(tǒng)自動(dòng)清理措施，便于后續(xù)圖像的查詢。

經(jīng)過以上對(duì)比分析可知，本文基于深度機(jī)器學(xué)習(xí)的霾污染監(jiān)測(cè)技術(shù)的監(jiān)測(cè)準(zhǔn)確率與監(jiān)測(cè)圖像收集完整率均高于傳統(tǒng)監(jiān)測(cè)技術(shù)。在較高的程度上提升了系統(tǒng)的監(jiān)測(cè)性能，同時(shí)能夠更好地實(shí)現(xiàn)對(duì)監(jiān)測(cè)圖像的有效利用，完善監(jiān)測(cè)信息，具備較好的研究價(jià)值。

5 結(jié)束語

本文在傳統(tǒng)監(jiān)測(cè)技術(shù)的基礎(chǔ)上研究了一種新式基于深度機(jī)器學(xué)習(xí)的霾污染監(jiān)測(cè)技術(shù)，首先對(duì)霾污染進(jìn)行數(shù)據(jù)收集，根據(jù)不同的霾污染影響程度對(duì)數(shù)據(jù)進(jìn)行分類收集，在收集的過程中加強(qiáng)過濾系統(tǒng)性能，減少不利因素的干擾，進(jìn)一步增強(qiáng)系統(tǒng)自身收集能力，在數(shù)據(jù)收集的基礎(chǔ)上實(shí)現(xiàn)對(duì)收集數(shù)據(jù)的處理操作，根據(jù)輻射矯正及幾何矯正對(duì)數(shù)據(jù)圖像進(jìn)行綜合分析，在獲取分析結(jié)果后，對(duì)分析數(shù)據(jù)信息進(jìn)行監(jiān)測(cè)，以不同的霾污染方面作為監(jiān)測(cè)點(diǎn)，同時(shí)輔助信息查找及數(shù)據(jù)解析功能，進(jìn)一步提升整體系統(tǒng)的監(jiān)測(cè)能力，在最終監(jiān)測(cè)中能夠增強(qiáng)中心系統(tǒng)的自主保護(hù)能力，實(shí)現(xiàn)對(duì)霾污染的準(zhǔn)確監(jiān)測(cè)。

相較于傳統(tǒng)監(jiān)測(cè)技術(shù)，本文基于深度機(jī)器學(xué)習(xí)的霾污染監(jiān)測(cè)技術(shù)在較高程度上提升了中心系統(tǒng)的自主學(xué)習(xí)能力，增強(qiáng)系統(tǒng)監(jiān)測(cè)性能，能夠更好地為監(jiān)測(cè)中心提供準(zhǔn)確的數(shù)據(jù)信息來源，具備更好的發(fā)展空間。