项目名称: 基于社会化网络媒体数据的城市空气质量监测方法与模型研究

项目编号: No.61502383

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 计算机科学学科

项目作者: 雷蕾

作者单位: 西安理工大学

项目金额: 21万元

中文摘要: 本项目拟采用环境科学和信息科学学科交叉的研究方式,针对现有城市空气质量监测方法的监测粒度粗、实时性低等不足,研究基于社会化网络媒体数据的城市空气质量监测方法与模型。项目研究将以社会化网络媒体数据作为城市空气质量监测的补充数据来源,重点研究三方面内容:针对来自于微博、论坛等社会化网络媒体的数据,研究其包含的城市空气污染信息的识别与重构方法;设计针对网络媒体数据的城市空气污染重要监测指标体系,并研究城市空气污染事件的融合理解模型;在前两项研究基础上,研究网络媒体数据中城市空气污染事件与实际的城市空气质量的关联模型,实现从污染事件到空气质量的映射,结合城市区域环境背景数据,研究基于网络媒体数据的城市空气质量评估模型。基于理论研究成果,设计开发基于社会化网络媒体数据的城市空气质量监测系统,对理论成果进行验证与应用,从而为城市空气质量的影响研究与污染治理提供更加智能化的基础理论与关键技术支持。

中文关键词: 城市空气质量监测;城市计算;社会化网络媒体;网络信息处理

英文摘要: This project tends to adopt environmental science and information science interdisciplinary research methods. For the limitations of existing methods on urban air quality monitoring, our research focuses on the methods and models for urban air quality monitoring based on social networking media data. The social networking media data would be used as supplementary data source of urban air quality monitoring, and the research works include: Capture the social networking media data from microblogging sites and forum sites, and study the identification and reconstruction methods for urban air pollution information from the data; design the indicator system for monitoring urban air pollution from social networking media data, and study the infusion model for urban air pollution events; based on the research results above, analyze and propose the correlation model of urban air pollution events and urban air quality, and achieve the mapping from pollution events to air quality, in conjunction with urban regional environmental background data, study urban air quality evaluation model based on social networking media data. Based on theoretical achievements, we plan to design and develop the urban air quality monitoring system based on social network media data, and validate the efficiency of the theory. The achievements would be useful to provide a more intelligent theory and key technical support for urban air quality impact studies and pollution control.

英文关键词: Urban air quality monitoring;Urban computing;Social networking media;Network information processing

成为VIP会员查看完整内容
0

相关内容

顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
专知会员服务
87+阅读 · 2021年9月4日
专知会员服务
27+阅读 · 2021年8月15日
专知会员服务
25+阅读 · 2021年8月7日
专知会员服务
14+阅读 · 2021年5月18日
【AAAI2021】Graph Diffusion Network提升交通流量预测精度
专知会员服务
53+阅读 · 2021年1月21日
专知会员服务
51+阅读 · 2020年12月19日
【北京大学】面向5G的命名数据网络物联网研究综述
专知会员服务
37+阅读 · 2020年4月26日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
基于知识图谱的行业问答系统搭建分几步?
PaperWeekly
2+阅读 · 2021年11月11日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
网络舆情分析
计算机与网络安全
20+阅读 · 2018年10月18日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
13+阅读 · 2022年1月20日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
26+阅读 · 2020年3月13日
Arxiv
15+阅读 · 2019年4月4日
小贴士
相关VIP内容
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
专知会员服务
87+阅读 · 2021年9月4日
专知会员服务
27+阅读 · 2021年8月15日
专知会员服务
25+阅读 · 2021年8月7日
专知会员服务
14+阅读 · 2021年5月18日
【AAAI2021】Graph Diffusion Network提升交通流量预测精度
专知会员服务
53+阅读 · 2021年1月21日
专知会员服务
51+阅读 · 2020年12月19日
【北京大学】面向5G的命名数据网络物联网研究综述
专知会员服务
37+阅读 · 2020年4月26日
相关资讯
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
基于知识图谱的行业问答系统搭建分几步?
PaperWeekly
2+阅读 · 2021年11月11日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
网络舆情分析
计算机与网络安全
20+阅读 · 2018年10月18日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员