CN104280070B - 大数据云服务集中环境监测平台 - Google Patents
大数据云服务集中环境监测平台 Download PDFInfo
- Publication number
- CN104280070B CN104280070B CN201410548785.6A CN201410548785A CN104280070B CN 104280070 B CN104280070 B CN 104280070B CN 201410548785 A CN201410548785 A CN 201410548785A CN 104280070 B CN104280070 B CN 104280070B
- Authority
- CN
- China
- Prior art keywords
- beta
- alpha
- information
- value
- epsiv
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明属于环境监控技术领域,具体为一种大数据云服务集中环境监测平台,包括多个终端自动监测站、数据中心及云计算中心,所述终端自动监测站通过无线网络模块连接数据中,所述数据中心连接云计算中心,通过云计算中心的数学模型,可实现对监测获得大数据进行准确的评估,提高了监测的准确性,同时可评估是否适合人类生活或是否需要进行防护措施,有效的保障了人们的生活质量。
Description
技术领域
本发明属于环境监控技术领域,具体为一种大数据云服务集中环境监测平台。
背景技术
环境监控是环境保护及管理工作的重要基础,随着经济的快速发展,越来越多的人开始关心所处环境质量的好坏,要求环境保护及管理工作的效率提高、质量提高、加大透明度。通过信息化技术的应用,改变传统化境监测手段,运用通信网络技术手段对污染源及环境质量实施长期、连续、有效监测,科学准确、全面高效地监测、管理所辖区域的环境状况,使环保部门的环境管理工作达到监测科学、管理高效的新境界。
然而现有技术中的,多采用单一环境监测站对大面积区域进行环境监测,然而这样的监测手段,存在偏差,同时不具有较高的准确度。在这样的背景下,简单的视频监控已经不能完全满足用户的需求。
发明内容
为了有效解决上述问题,本发明提供一种云服务集中环境监测平台,具体技术方案如下:
一种大数据云服务集中环境监测平台,包括多个终端自动监测站、数据中心及云计算中心,所述终端自动监测站通过无线网络模块连接数据中,所述数据中心连接云计算中心,所述云计算中心对多个终端自动监测站获得的信息进行准确度评估。
进一步地,所述云计算中心对多个终端自动监测站获得的信息进行准确度的评估具体包括以下步骤:
A)将同一区域内终端自动监测站采集的信息值进行标注,应用权重值计算该区域的区域信息值;
B)建立数学模型对区域信息值进行可信度评估。
进一步地,所述步骤A)中,将区域内每个信息值进行标注,具体标注为A1、A2……、An,应用权重值计算该区域的区域温度具体步骤为,设定权重圈,自区域中心向外以权重圈形式扩张,接近区域中心处的权重圈具有高权重值,权重圈近似为圆圈形,设定具有X个权重圈,M为权重圈的权重值,即M1+M2+M3+…+MX=1,每个权重圈内的所有终端自动监测站监测获得信息值的平均值乘以该权重圈的权重值为该权重圈的权重信息值,并将所有权重圈的权重信息值相加获得该区域的区域信息值A0。
进一步地,所述步骤B)建立数学模型对区域信息值进行可信度评估,具体为包括以下步骤:
创建容错因子,A0=An+εt,其中,εt为容错因子,εt独立同分布,即每个终端采集的温度信息相比该区域的整体温度均存在容错因子,应用以下公式进行判断A0的可信度;
应用数学模型对可信度进行评估:
Z=α+β*εt+c (1)
其中式(1)中,Z为容错度,然而线性模型无法进行准确的评估,Z是一个变量,将Z进行变换,定义:
这里p为终端监测获得温度的可信概率,p/(1-p)为可信与不可信的比值,将上述式子进行变换为:
logitp=α+β*εt+c (3)
假设(Z,EεT)来自第i个测的数据,那么该组数据的似然函数为:
将似然函数化为对数似然函数进行估计;
上述模型中,选择α,β使对数似然函数为达到最大,即为对数极大似然估计,通过迭代方法估计α,β值,进而通过式(4)获得该区域每一个终端测量的温度的可信概率,再次通过权重值得到整体温度的可信概率,当可信概率超过0.8,则该区域获得的温度信息可信。
进一步地,所述终端自动监测站包括,传感器模块、视频采集模块、空气颗粒浓度采集装置、存储模块、控制模块及无线通信模块,所述传感器模块、视频采集模块及空气颗粒模块连接存储模块,所述存储模块及无线通信模块连接控制模块。
进一步地,所述传感器模块包括温度传感器、湿度传感器及风向风速传感器。
进一步地,所述云计算中心设有温度阈值为15-25℃,湿度阈值在50%-70%,风速阈值在0-5.4,空气中颗粒浓度的阈值为0.035毫克/立方米-0.075毫克/立方米。
进一步地,所述终端自动监测站还设有污染气体监测装置及报警装置。
本发明的有益效果,通过云计算中心的数学模型,可实现对监测获得大数据进行准确的评估,提高了监测的准确性,同时可评估是否适合人类生活或是否需要进行防护措施,有效的保障了人们的生活质量。
附图说明
图1为本发明的结构示意图。
具体实施方式
以下通过具体实施例及附图对本发明做进一步说明。
本发明提供一种云服务集中环境监测平台,具体包括多个终端自动监测站、数据中心、无线网络模块及云计算中心,其中所述终端自动监测站通过无线网络模块连接数据中心,所述数据中心连接云计算中心。
其中所述终端自动监测站包括:传感器模块、视频采集模块、存储模块、控制模块及无线通信模块,所述传感器模块用于采集环境信息;所述视频采集模块用于采集周边视频信息;所述空气颗粒浓度采集装置采集空气中颗粒浓度信息;所述存储模块用于存储采集到的环境信息、视频信息及空气颗粒浓度信息,所述控制模块用于控制信息的采集、发送过程;所述的无线通信模块用于发送信息。
所述传感器模块具有多个传感器,具体为温度传感器、湿度传感器、风速风向传感器及空气质量传感器,所述空气质量传感器可采集空气中颗粒浓度信息。
所述终端自动监测站还设有污染气体监测装置,可监测二氧化硫、氮氧化物、臭氧、一氧化氮等多种污染物。一旦监测,直接通过终端自动监测站的报警装置进行报警,同时上传数据中心记录,并通过数据中心连接网络实施消防急救措施。
其中所述数据中心,获得所有自动监测站传送的数据,将设置在同一区域内的终端自动监测站进行统一存储,并由云计算中心对同一区域内获得环境信息进行信息可信度的评估,同时云计算中心对可信度评估后的多种信息统一整合,判断在目前环境下,是否适宜人类活动,或是否需要进行防护措施。
所述云计算中心对环境信息的可信度的判断,具体包括以下步骤;
第一步,将同一区域内的所有终端自动监测站采集的温度信息(或湿度信息、风速信息、空气颗粒浓度信息)分别进行标注,具体标注为A1、A2……、An,其中n为同一区域内设有的终端自动监测站的数量,同时记录采集温度的时间,应用权重值来计算获得该区域的区域温度,其中该区域内接近中心处的终端自动监测站具有较高的权重值,向外以权重圈形式扩张,权重圈为近似圆圈形,在同一权重圈内的终端自动监测站具有的权重值相同,假设具有X个权重圈,M为权重圈的权重值,即M1+M2+M3+…+MX=1,每个权重圈内的多个终端自动监测站监测获得温度信息的平均值乘以该权重圈的权重值为该权重圈的权重温度,即假设第Y个权重圈内具有s个终端自动监测站,且该s个终端自动监测站采集获得的温度具体为:AP、Ap+1……、Aq,q-p=s;p<q<n,其该权重圈的权重温度为将所有权重圈的权重温度相加获得该区域的区域温度信息A0。
第二步,对获得该区域的区域温度信息进行可信度评估,A0=An+εt,其中,εt为容错因子,εt独立同分布,即每个终端采集的温度信息相比该区域的整体温度均存在容错因子,应用以下公式进行判断A0的可信度;
应用数学模型对可信度进行评估:
Z=α+β*εt+c (1)
其中式(1)中,Z为容错度,然而线性模型无法进行准确的评估,α、β、c均为参量,其中Z代表容错度,Z是一个变量,将Z进行变换,定义:
这里p为终端监测获得温度的可信概率,p/(1-p)为可信与不可信的比值,将上述式子进行变换为:
logitp=α+β*εt+c (3)
假设(Z,EεT)来自第i个测的数据,那么该组数据的似然函数为:
由于对数极大似然函数的估计值与似然函数的估计一致,同时对数似然函数的估计又较为简单,将似然函数化为对数似然函数进行估计;
上述模型中,选择α,β使对数似然函数为达到最大,即为对数极大似然估计,通过迭代方法估计α,β值,进而通过式(4)获得该区域每一个终端测量的温度的可信概率,再次通过权重值得到整体温度的可信概率,当可信概率超过0.8,则该区域获得的温度信息可信。
在上述步骤中,可实现对一区域内的温度、湿度、空气颗粒浓度、风向风速的整体测量值进行可信度评估,同时应用视频采集模块采集周边视频信息,判断该终端附近是否有突发因素影响到该终端采集的温度信息,如周边发生火灾等突发因素严重影响了该终端自动监测站采集的温度信息,取消采集该终端监测的温度信息。
应用本发明,可实现对采集大量的多种信息,同时通过云计算中心准确快速的判断出该信息的准确性。
云计算中心对准确度评估后的多种环境信息,进行统一整合,并整体分析,评估该区域的整体环境,其中多种环境信息包括温度信息、湿度信息、风速风向信息及空气颗粒浓度信息等多个因素,对每一个因素进行评估分析,最后综合获得该区域是否适合居住或进行户外运动。
对每一个因素整体值设定阈值,其中温度阈值为15-25℃,湿度阈值在50%-70%,风速阈值在0-5.4,空气中颗粒浓度的阈值为0.035毫克/立方米-0.075毫克/立方米,一旦因素的整体值超出阈值,将会提醒进行一定的防护措施。
Claims (7)
1.一种大数据云服务集中环境监测平台,其特征在于,包括多个终端自动监测站、数据中心及云计算中心,所述终端自动监测站通过无线网络模块连接数据中心,所述数据中心连接云计算中心,所述云计算中心对多个终端自动监测站获得的信息进行准确度评估;
所述云计算中心对多个终端自动监测站获得的信息进行准确度的评估具体包括以下步骤:
A)将同一区域内终端自动监测站采集的信息值进行标注,应用权重值计算该区域的区域信息值;
B)建立数学模型对区域信息值进行可信度评估。
2.根据权利要求1所述的环境监测平台,其特征在于,所述步骤A)中,将区域内每个信息值进行标注,具体标注为A1、A2……、An,应用权重值计算该区域的区域温度具体步骤为,设定权重圈,自区域中心向外以权重圈形式扩张,接近区域中心处的权重圈具有高权重值,权重圈近似为圆圈形,设定具有X个权重圈,M为权重圈的权重值,即M1+M2+M3+...+MX=1,每个权重圈内的所有终端自动监测站监测获得信息值的平均值乘以该权重圈的权重值为该权重圈的权重信息值,并将所有权重圈的权重信息值相加获得该区域的区域信息值A0。
3.根据权利要求2所述的环境监测平台,其特征在于,所述步骤B)建立数学模型对区域信息值进行可信度评估,具体为包括以下步骤:
创建容错因子,A0=An+εt,其中,εt为容错因子,εt独立同分布,即每个终端采集的温度信息相比该区域的整体温度均存在容错因子,应用以下公式进行判断A0的可信度;
应用数学模型对可信度进行评估:
Z=α+β*εt+c (1)
其中式(1)中,Z为容错度,α、β、c均为参量,然而线性模型无法进行准确的评估,Z是一个变量,将Z进行变换,定义:
这里p为终端监测获得温度的可信概率,p/(1-p)为可信与不可信的比值,将上述式子进行变换为:
log itp=α+β*εt+c (3)
假设(Z,εT)来自第i个测的数据,那么该组数据的似然函数为:
将似然函数化为对数似然函数进行估计;
上述模型中,选择α,β使对数似然函数为达到最大,即为对数极大似然估计,通过迭代方法估计α,β值,进而通过式(4)获得该区域每一个终端测量的温度的可信概率,再次通过权重值得到整体温度的可信概率,当可信概率超过0.8,则该区域获得的温度信息可信。
4.根据权利要求1所述的环境监测平台,其特征在于,所述终端自动监测站包括:传感器模块、视频采集模块、空气颗粒浓度采集装置、存储模块、控制模块及无线通信模块,所述传感器模块、视频采集模块及空气颗粒浓度采集装置连接存储模块,所述存储模块及无线通信模块连接控制模块。
5.根据权利要求4所述的环境监测平台,其特征在于,所述传感器模块包括温度传感器、湿度传感器、风向风速传感器及空气质量传感器。
6.根据权利要求5所述的环境监测平台,其特征在于,所述云计算中心设有温度阈值为15-25℃,湿度阈值在50%-70%,空气中颗粒浓度的阈值为0.035毫克/立方米-0.075毫克/立方米。
7.根据权利要求4所述的环境监测平台,其特征在于,所述终端自动监测站还设有污染气体监测装置及报警装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410548785.6A CN104280070B (zh) | 2014-10-16 | 2014-10-16 | 大数据云服务集中环境监测平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410548785.6A CN104280070B (zh) | 2014-10-16 | 2014-10-16 | 大数据云服务集中环境监测平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104280070A CN104280070A (zh) | 2015-01-14 |
CN104280070B true CN104280070B (zh) | 2017-02-01 |
Family
ID=52255190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410548785.6A Active CN104280070B (zh) | 2014-10-16 | 2014-10-16 | 大数据云服务集中环境监测平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104280070B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447173A (zh) * | 2015-12-09 | 2016-03-30 | 张彦 | 一种基于uv数据的空气质量评估系统及方法 |
JP6425854B1 (ja) * | 2015-12-30 | 2018-11-21 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 大気汚染に対する曝露の監視 |
CN106341446A (zh) * | 2016-08-11 | 2017-01-18 | 浪潮集团有限公司 | 一种基于云计算和大数据的可视化环保设备监管服务系统 |
CN106644862B (zh) * | 2016-09-12 | 2023-08-29 | 山东诺方电子科技有限公司 | 一种传感器、基于该传感器的监测站及监测站的监测方法 |
CN111788578B (zh) * | 2018-07-25 | 2023-10-20 | 山东诺方电子科技有限公司 | 一种环境监测站数据可信度评价及校准方法 |
WO2020043030A1 (zh) * | 2018-08-25 | 2020-03-05 | 司书春 | 大气污染监测设备数据可信度评价及校准方法 |
CN109373526A (zh) * | 2018-10-08 | 2019-02-22 | 青岛海尔空调电子有限公司 | 空调室外环境参数确定的方法、装置及计算机存储介质 |
CN109633786B (zh) * | 2019-01-07 | 2020-05-01 | 山东齐创石化工程有限公司 | 区域大数据动态修正系统 |
CN110210681B (zh) * | 2019-06-11 | 2023-06-27 | 西安电子科技大学 | 一种基于距离的监测站点pm2.5值的预测方法 |
CN111084611B (zh) * | 2019-12-25 | 2022-09-20 | 苏州大学 | 基于辐射比色测温仪的头戴式体温实时监控耳温计 |
CN117912194B (zh) * | 2024-03-20 | 2024-06-07 | 吉林大学 | 基于无线通信网络的有限空间内高危气体监测系统和方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6571272B1 (en) * | 1999-05-20 | 2003-05-27 | Cisco Technology, Inc. | Method and apparatus for SNA/IP correlation with multiple DSW peer connections |
CN202602714U (zh) * | 2012-05-28 | 2012-12-12 | 广东顺德宸熙物联科技有限公司 | 一种基于物联网和云计算技术的智能温室监控系统 |
CN102722148A (zh) * | 2012-05-29 | 2012-10-10 | 无锡莱吉特信息科技有限公司 | 一种基于物联网的环境监控系统 |
CN202818383U (zh) * | 2012-08-31 | 2013-03-20 | 魏亚东 | 农业温室环境监控系统 |
CN102833117B (zh) * | 2012-09-10 | 2014-03-19 | 山东省计算中心 | 基于物联网技术的数据中心动力环境监测系统所采用的方法 |
CN103969405B (zh) * | 2014-05-13 | 2017-01-04 | 上海师范大学 | 基于物联网技术的智能气体传感器监测系统 |
-
2014
- 2014-10-16 CN CN201410548785.6A patent/CN104280070B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104280070A (zh) | 2015-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104280070B (zh) | 大数据云服务集中环境监测平台 | |
Borrego et al. | Assessment of air quality microsensors versus reference methods: The EuNetAir joint exercise | |
CN202013348U (zh) | 基于无线网的大气中co、co2及so2含量测量系统 | |
CN204515502U (zh) | 基于电子地图的火电厂烟气污染物排放采集监测系统 | |
CN206312318U (zh) | 基于地理信息gis采集技术的山林火灾监测系统 | |
CN108318630B (zh) | 一种城市空气质量实时监测系统和预警方法 | |
CN110726431A (zh) | 具多点空气质量侦测的污染源分析系统运作方法 | |
CN108303132A (zh) | 一种用于空气污染的监测系统 | |
CN107835244A (zh) | 基于物联网的农业大田气候灾害监测预警系统 | |
Hu et al. | SVR based dense air pollution estimation model using static and wireless sensor network | |
Yaacoub et al. | Air quality monitoring and analysis in Qatar using a wireless sensor network deployment | |
CN108760981A (zh) | 一种可远程控制的空气质量检测仪 | |
CN111751498A (zh) | 一种基于移动平台的有毒环境中毒气分布检测系统及方法 | |
CN105894706B (zh) | 一种森林火灾预测方法及其系统 | |
CN103364530A (zh) | 远程气体监测系统及方法 | |
Rane et al. | Design of an IoT based smart plant monitoring system | |
GB2574045A (en) | A system for detecting air pollution | |
CN117172959B (zh) | 一种林业生态环境监测系统及方法 | |
CN104089656A (zh) | 一种堆场煤炭自燃检测方法和装置 | |
Chowdhury et al. | design and implementation of an IoT based air pollution detection and monitoring system | |
CN103745552A (zh) | 一种火灾自动报警系统 | |
CN110728826A (zh) | 一种基于智慧技术的地下空间有毒有害气体预警报警方法 | |
CN109238362A (zh) | 区域环境监测控制方法 | |
CN117726116A (zh) | 基于林火蔓延模拟及物联网的森林防火指挥方法及系统 | |
Rizanov et al. | System for early warning and monitoring of wildfires |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |