空气污染智能感知、识别与监控

　　本书致力于科学治污、精准治污，深入浅出、图文并茂地介绍了人工智能与自动控制赋能空气质量监控的基础理论和关键技术，旨在解决空气污染难以治理的共性问题，为社会稳定、公众健康以及经济可持续增长做出应有贡献，助力实现人与自然和谐共生。本书的主要内容包括空气质量智能感知、智能识别和智能监控三部分，涵盖了空气质量标准，空气污染成因分析，空气质量影像分析及智能感知系统的设计与实现，空气质量检测与智能识别，以及空气质量智能监控理论、方法及系统实现。本书内容丰富、案例典型，可供人工智能和优化控制科研工作者、环境保护与空气污染防治技术人员参考，也可供相关专业本科及以上师生使用。

　　乔俊飞，北京工业大学教授、博士生导师，环保自动化领域专家。国家自然科学基金创新群体项目负责人，“长江学者奖励计划”特聘教授，国家杰出青年基金获得者，百千万人才工程入选者，享受国务院特殊津贴专家。现任智慧环保北京实验室主任、智能感知与自主控制工程中心主任，兼任中国人工智能学会常务理事，中国自动化学会理事。长期从事计算智能与智能优化控制领域研究工作，在污染防治过程智能特征检测、自组织控制和多目标动态优化方面取得开创性成果，多项成果已广泛应用于环保企业生产实践，取得了显著的经济、社会和生态效益。顾锞，北京工业大学教授，博士生导师，北京市特聘专家，“智能感知与自主控制”工程研究中心副主任。从事大气污染监测与预警、机器感知与学习研究。主持北京市杰青项目、国家自然科学基金面上项目等。研发的石化废气排放自动监控成套技术及系统获得成功应用。连续入选“科睿唯安”全球高被引科学家、“爱思唯尔”中国高被引学者等。

第1章　空气质量标准    001
1.1　典型空气污染物    002
1.2　我国空气质量标准的制定    005
1.3　空气质量参数及分级    008
参考文献    009
第2章　空气污染影响因素    013
2.1　空气细颗粒物研究背景    014
2.1.1　细颗粒物定义    014
2.1.2　细颗粒物的来源    016
2.1.3　细颗粒物的风险评估    020
2.2　空气污染成因    022
2.2.1　生活生产因素    023
2.2.2　工业因素    026
2.2.3　自然因素    028
2.3　空气污染扩散的原因    029
2.3.1　气象因素    029
2.3.2　其他因素    031
参考文献    033
第3章　空气质量监控现状    037
3.1　空气质量监控的发展    038
3.1.1　世界空气质量监控的发展    038
3.1.2　中国空气质量监控的发展    039
3.1.3　国内外空气质量监控的不足之处    041
3.2　空气质量监控途径    042
3.3　空气污染防治措施    043
参考文献    050
第4章　空气质量影像分析相关技术    053
4.1　空气质量智能感知概述    054
4.1.1 　空气质量智能感知意义    054
4.1.2　空气质量智能感知技术    054
4.2　影像获取装置分析    056
4.2.1　影像获取装置概述    056
4.2.2　影像获取装置工作原理    058
4.3　影像质量评价    059
4.3.1　影像质量评价内容    059
4.3.2　影像质量评价方法    060
4.4　影像存储与传输    066
4.4.1　影像存储方式    066
4.4.2　影像传输方式    067
参考文献    069
第5章　空气质量智能感知系统设计及技术实现    073
5.1　空气污染预警和溯源    074
5.1.1　空气污染影响因素    074
5.1.2　空气质量预测预警建模    074
5.1.3　预测数据来源    075
5.2　烟雾气体的感知    076
5.2.1　烟雾影像的特征分析    076
5.2.2　烟雾影像的特征提取与检测框架搭建    079
5.2.3　烟雾检测网络实现细节    083
5.2.4　实验验证与性能对比    086
5.3　汽车尾气智能感知    089
5.4　水泥熟料烧成系统NOx 浓度感知    090
5.4.1　水泥熟料烧成系统研究    090
5.4.2　工艺流程    093
5.4.3　窑炉中NOx 浓度的感知    093
5.5　放空火炬烟气感知    094
5.5.1　放空火炬概述    094
5.5.2　放空火炬燃烧状态感知研究    103
参考文献    105
第6章　空气质量智能识别方法    109
6.1　空气质量智能识别概述    110
6.1.1　空气质量智能识别意义    110
6.1.2　空气质量智能识别技术    110
6.2　影像数据处理    111
6.2.1　影像基本特征    111
6.2.2　影像处理的一般方式    115
6.2.3　影像处理的发展及其趋势    118
6.3　影像质量增强    119
6.3.1　图像恢复与增强    119
6.3.2　图像恢复与增强研究方向    123
6.3.3　图像恢复与增强研究现状    131
6.4　影像模式识别    134
6.4.1 　模式识别原理及现状    134
6.4.2　模式识别问题分类    136
参考文献    140
第7章　空气细颗粒物及汽车尾气识别方法    147
7.1　空气质量预测预警中的智能识别    148
7.1.1 　预测数据特性分析与潜势研究    148
7.1.2　空气污染预测建模    158
7.1.3　预测结果对比与分析    172
7.2　空气细颗粒物监测    183
7.2.1　细颗粒物的特征提取    184
7.2.2　细颗粒物的回归估计    195
7.2.3　实验验证与性能估计    199
7.3　汽车尾气智能检测    205
7.3.1　传统的汽车尾气检测技术    205
7.3.2　汽车尾气智能检测技术    205
7.3.3　基于深度学习的智能检测网络结构设计    207
7.3.4　汽车尾气智能检测模型实验分析    214
参考文献    221
第8章　空气质量智能建模与监测方法    227
8.1　烟雾浓度的识别    228
8.1.1　烟雾浓度识别方法的发展    228
8.1.2　烟雾浓度识别算法框架搭建    229
8.1.3　烟雾浓度识别网络实现细节    235
8.1.4　实验验证与性能对比    236
8.1.5　典型应用    239
8.2　NOx 浓度智能监测原理分析    242
8.2.1　机理模型    242
8.2.2　数据驱动模型    245
8.2.3　混合模型    247
8.3　放空火炬烟气智能监测系统设计    248
8.3.1　火炬烟气检测模型设计分析    248
8.3.2　建立火炬烟气监测模型    251
8.3.3　火炬烟气监测实验结果分析    257
8.3.4　基于影像的火炬烟气监测模型小结    261
参考文献    262
第9章　空气质量智能监控方法与系统设计    269
9.1　空气质量智能监控方法    270
9.1.1　传统控制技术    270
9.1.2　智能控制技术    270
9.2　系统设计准则    271
9.2.1　系统设计的稳定性    271
9.2.2　系统设计的快速性    272
9.2.3　系统设计的准确性    272
9.2.4　系统设计的鲁棒性    273
9.3　基于数据驱动的水泥窑NOx 预测模型    274
9.3.1　模型设计分析    274
9.3.2　模型构建及算法设计    276
9.3.3　模型验证    279
9.4　火炬烟气智能控制系统分析    285
9.4.1　工况分析    286
9.4.2　环境分析    287
9.4.3　控制系统分析    288
9.5　火炬烟气智能控制方案设计    292
9.5.1　系统设计应用目的    292
9.5.2　火炬烟气智能检测方案设计    293
9.5.3　放空火炬智能控制算法设计    297
9.5.4　放空火炬试验场地控制系统设计    304
9.5.5　放空火炬试验场地操作系统设计    306
参考文献    311