CN107066831A - 一种区域综合环境评价方法、装置及系统 - Google Patents

一种区域综合环境评价方法、装置及系统 Download PDF

Info

Publication number
CN107066831A
CN107066831A CN201710449145.3A CN201710449145A CN107066831A CN 107066831 A CN107066831 A CN 107066831A CN 201710449145 A CN201710449145 A CN 201710449145A CN 107066831 A CN107066831 A CN 107066831A
Authority
CN
China
Prior art keywords
predicted
region
environmental
index
pollution
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.)
Granted
Application number
CN201710449145.3A
Other languages
English (en)
Other versions
CN107066831B (zh
Inventor
刘兴万
张胜如
尚丽娜
张克
刘旭
吴印照
黄实冲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jun Sheng United (beijing) Technology Co Ltd
Original Assignee
Jun Sheng United (beijing) Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jun Sheng United (beijing) Technology Co Ltd filed Critical Jun Sheng United (beijing) Technology Co Ltd
Publication of CN107066831A publication Critical patent/CN107066831A/zh
Application granted granted Critical
Publication of CN107066831B publication Critical patent/CN107066831B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01DMEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00Measuring or testing not otherwise provided for
    • G01D21/02Measuring two or more variables by means not covered by a single other subclass
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16ZINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00Subject matter not provided for in other main groups of this subclass
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2219/00Indexing scheme relating to application aspects of data processing equipment or methods
    • G06F2219/10Environmental application, e.g. waste reduction, pollution control, compliance with environmental legislation

Abstract

本申请提供了区域环境评价方法、装置及系统,其中所述区域中设置有环境监测点,该方法包括:步骤S1:指定待预测区域和待预测时间段;步骤S2:获取与待预测区域相关的多个环境监测点;步骤S3:得到所述多个环境监测点的污染检测值;步骤S4:根据污染检测值估计待预测区域的多个污染数值;步骤S5:对估计的多个污染数值进行权重叠加,用于预测待预测区域的综合环境评价。本申请对环境污染指标的确认从时空两个角度考虑,从而获得准确度以及可信度高的环境评价结果。

Description

一种区域综合环境评价方法、装置及系统
技术领域
本申请涉及环境质量技术领域,尤其涉及一种区域综合环境评价方法、装置及系统。
背景技术
人们在选择居住地时,以周围是否有对身体健康有影响的发电厂、高压线、交通场站和交通线等为依据来判断是否宜居。但是这种判断方式缺少具体的空气、噪声、水质等污染情况的实际监测数据,因此,并不能定量描述生活居住环境的整体环境质量。
发明内容
本申请的目的在于提供一种区域综合环境评价方法、装置及系统,用于对某区域的环境进行多维度的综合的监测,并根据监测到的数据预测该区域环境污染的程度及走向,为人们生活居住提供定量的环境质量建议。
为达到上述目的,本申请提供的区域综合环境评价方法及系统采用如下技术方案:
一种区域综合环境预测方法,其中所述区域中设置有环境监测点,包括:
步骤S1:指定待预测区域和待预测时间段;
步骤S2:获取与待预测区域相关的多个环境监测点;
步骤S3:得到所述多个环境监测点的污染检测值;
步骤S4:根据污染检测值估计待预测区域的多个污染数值;
步骤S5:对估计的多个污染数值进行权重叠加,用于预测待预测区域的综合环境评价。
如上所述的区域综合环境预测方法,其中,步骤S3包括:获取所记录的来自所述多个环境监测点的在同待预测时间段对应的历史时间段内的多项监测指标对应的污染监测值;
步骤S4包括:根据所述污染检测值估计待预测区域的来自所述多个环境监测点的同多项监测指标对应的污染数值。
如上所述的区域综合环境预测方法,还包括:
在设定的一个或多个时间点,周期性地记录所述区域中的所有环境监测点的各项监测指标对应的污染检测值。
如上所述的区域综合环境预测方法,还包括如下步骤:
在所述待预测区域内选择多个目标位置;
所述步骤S4还包括:通过反距离权重插值法,根据所述污染检测值估计所述多个目标位置的来自所述多个环境监测点的同多项监测指标对应的污染数值;
所述步骤S5还包括:对所述多个目标位置的位置综合环境指标计算权重叠加,得到所述待预测区域的平均综合环境指标,用于预测待预测区域在待预测时间段的综合环境评价。
如上所述的区域综合环境预测方法,其中,其中与待预测区域相关的多个环境监测点是到待预测区域指定距离内的多个环境监测点。
如上所述的区域综合环境预测方法,其中,在步骤S5之后还包括如下步骤:
步骤S6:确定在多个设定时间点,待预测区域的位置综合环境指标是否大于设定污染指标;
步骤S7:记录大于设定污染指标的设定时间点的次数;
步骤S8:根据大于设定污染指标的设定时间点的次数对步骤S5中得出的综合环境评价结果进行修正。
如上所述的区域综合环境预测方法,其中,还包括:
获取所记录的来自所述多个环境监测点的在同待预测时间段对应的历史时间段内的天气信息;以及
根据天气信息,更新所估计的待预测区域的来自所述多个环境监测点的同各项监测指标对应的污染数值。
如上所述的区域综合环境预测方法,其中,所述反距离权重插值法中的的衰减因子与风速、温度和光照相关。
如上所述的区域综合环境预测方法,其中,还包括如下步骤:
获取所记录的来自所述多个环境监测点的在同待预测时间段对应的历史时间段内的天气信息;以及
根据天气信息,更新所记录的来自所述多个环境监测点的在同待预测时间段对应的历史时间段内的多项监测指标对应的污染监测值。
如上所述的区域综合环境预测方法,其中,根据实际天气情况,建立衰减因子数值表。
如上所述的区域综合环境预测方法,还包括:
获取所记录的来自所述多个环境监测点的在同待预测时间段对应的历史时间段内的天气信息;以及
根据天气信息,更新待预测区域的位置综合环境指标。
一种区域综合环境预测方法,在该区域内存在有多个环境监测点,所述区域综合环境预测方法包括:
步骤S1:指定待预测区域和待预测时间段;
步骤S2:在待预测区域内选取多个采样位置,并根据与待预测时间段对应的多个历史时间段数据,估算各个采样位置各个监测指标对应的各个历史时间段数据;
步骤S3:根据各个采样位置的各个监测指标的各个历史时间段数据,估算各个采样位置的各个历史时间段综合环境评价;
步骤S4:根据各个采样位置的各个历史时间段综合环境评价,估算待预测区域的各个历史时间段综合环境评价;
步骤S5:根据待预测区域的各个历史时间段综合环境评价,预测待预测区域在待预测时间段的综合环境评价。
如上所述的区域综合环境预测方法,其中,优选的是,步骤S2具体包括:
步骤S21:在待预测区域选取多个采样位置;
步骤S22:获取与各个采样位置相关的环境监测点;
步骤S23:获取与各个采样位置相的关环境监测点,与待预测时间段对应的各项检测指标对应的多个历史时间段数据;
步骤S24:根据相关环境监测点的各项检测指标对应的多个历史时间段数据,估算各个采样位置的各个监测指标对应的多个历史时间段数据。
如上所述的区域综合环境预测方法,其中,在步骤S22中,与各个采样位置相关的环境监测点为到各个采样位置指定距离内的每个环境监测点。
如上所述的区域综合环境预测方法,其中,步骤S24具体包括:根据相关的环境监测点的各项检测指标对应的多个历史时间段数据,通过反距离权重插值法,估算各个采样位置的各个监测指标对应的多个历史时间段数据。
如上所述的区域综合环境预测方法,其中,步骤S3具体包括:根据各个采样位置的各个监测指标的各个历史时间段数据,通过权重叠加法估算各个采样位置的各个历史时间段综合环境评价。
如上所述的区域综合环境预测方法,其中,步骤S4具体包括:用每个采样位置的综合环境评价,表示该采样位置设定范围内的综合环境评价,根据所有采样位置设定范围内的综合环境评价估算待预测区域在各个历史时间段内的综合环境评价。
如上所述的区域综合环境预测方法,其中,步骤S5包括:
步骤S51:根据待预测区域各个历史时间段综合环境评价,绘制基于时间的待预测区域的污染地图;
步骤S52:根据绘制的污染地图中待预测区域的历史时间段的综合环境评价变化趋势,预测待预测区域在待预测时间段的综合环境评价。
如上所述的区域综合环境预测方法,其中,还包括根据历史时间段内真实的天气信息,修正环境监测点在历史时间段内的监测数据。
一种区域综合环境预测装置,包括:
设定模块:指定待预测区域和待预测时间段;
获取模块:获取与待预测区域相关的多个环境监测点;
数据模块:得到所述多个环境监测点的污染检测值;
计算模块:根据污染检测值估计待预测区域的多个污染数值;
预测模块:对估计的多个污染数值进行权重叠加,用于预测待预测区域的综合环境评价。
本申请提供的区域环境评价方法,先确定待评价区域和待评价时间段,再根据在待评价区域内设置的环境监测点,用来预测该待评价区域内任一点的综合环境指标。因此,只需在待评价区域内选取足够多的采样位置来。便可以用来表示该区域的综合环境指标。再将待评价时间段分为多个设定时间段,并记录每个设定时间段内的平均环境综合指标,再根据平均综合环境指标得出待评价区域在待评价时间段的综合环境评价。在本申请中,不但从空间上确定环境污染指标,更是从时间上累积计算环境污染指标,同时,每个监测点又能提供详实的监测数据,因此,得出的综合环境评价较之直接靠肉眼观察准确度及可信度都更高。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的区域综合环境预测方法的流程图;
图2为本申请实施例提供的区域综合环境预测方法的某建筑区域结构示意图;
图3为本申请实施例提供的区域综合环境预测方法的某建筑区域中房间A的结构示意图;
图4位本申请实施例提供的区域综合环境预测方法的A点处环境地图;
图5位本申请实施例提供的区域综合环境预测方法的某区域环境地图;
图6为本申请实施例提供的区域综合环境预测装置结构示意图。
附图标记说明:
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
实施例一
如图1所示,本申请中,预先在区域中设置有一个或多个环境监测点,并记录每个监测点的坐标,其中第i个环境监测点的坐标记为(xi,yi,zi)。例如,xi代表第i个监测点的经度,yi代表第i个监测点的维度,而zi代表第i个监测点的海拔高度。每个环境监测点设置有一个或多个传感器,用于监测多种环境指标,例如有水质指标、空气污染指标、噪声指标和光照强度指标等不同的环境指标。其中环境指标的监测数值用V表示。设定每个环境监测点的监测指标有m个,那么第i个环境监测点的m个环境监测指标分别可记作Vi1、Vi2、Vi3……Vim。各个环境监测点可具有相同或不同的环境监测能力,例如,所监测的环境指标种类、采集环境数据的时间间隔可不同。例如,一些环境监测点被设置在水中,并监测水质指标,而另一些环境监测点不含用于监测水质指标的传感器。
环境监测点的传感器采集环境数据。例如,每个环境监测点的每个传感器始终按设定的时间间隔采集所监测到的环境数据。设定的时间间隔是例如1小时。作为另一个例子,传感器在服务器的指示下采集环境数据。环境监测点将采集的环境数据发送至服务器。服务器中,记录所采集的环境数据、环境监测点、传感器以及环境数据的采集时间。服务器保存有各个环境监测点的各个环境监测指标的历史数据。而服务器中保存的各个环境监测点的各个环境指标的监测数据,可以用来评价和预测该区域中任意位置或任意小区域今后的综合环境变化趋势。
因此,本申请与传统的对环境的评价预测方案相比,增加了历史的监测数据作为评判的依据,从而得到的环境评价和预测更为准确和科学。
下面介绍如何利用服务器记录环境监测点各个监测指标,对监测区域中的任一点的综合环境进行评价与预测。
获得监测区域中需要进行环境评价与预测的点A的位置坐标,记为(x,y,z)。并将A点在待预测时间段内的综合环境记作EQa
选取与A点相关的环境监测点。在评价A点处的综合环境时,需要通过与A点相关的多个环境监测点的监测指标的数据来估算A点处的监测指标的数据。显然,选取的环境监测点越多,估算出A点处的监测指标的数据越准确。但由于离A点处越远的位置的环境对A点处环境的影响越小,因此在实际估算中,往往是选取离A点处一定距离内的环境监测点估算A点处的环境。例如,选取与A点处相距设定距离内的各个环境监测点的环境指标监测数据来估算A点处的综合环境评价。将选取的用于预测A点的综合环境的环境监测点称为与A点相关的环境监测点。作为举例,设定相关的环境监测点共有j个,分别记作(x1,y1,z1)、(x2,y2,z2)……(xj,yj,zj),以及其中,第i个环境监测点的m个环境指标相对应的记作Vi1、Vi2、Vi3……Vim。同时将A点处的各个相对应的环境指标记作Va1、Va2、Va3……Vam。如此,就可以通过反距离权重插值法,来计算A点处的各个环境监测指标的数据。
在反距离权重差值法中,每个环境监测点都有局部影响,而这种影响会随着距离的增大而减小。同与距离A点较远的环境监测点相比,距离A点更近的环境监测点的测量值对预测结果的影响更大。据此,根据环境监测点到A点的距离,为各个环境监测点指定权重。可以理解的,对于不同的环境指标种类,可以有不同的权重。
计算第i个环境监测点到A点处的距离,记作di
计算第i个环境监测点在A点处的权重λi
此处得到的权重λi,可选地,还可以根据天气环境来修正权重λi。作为举例,监测点还监测风速、风向、湿度、温度、光照等数据。并将所监测的风速、风向、湿度、温度、光照等数据,也作为环境数据,同所采集的水质指标、空气污染指标、噪声指标、光照强度指标、环境监测点、传感器以及环境数据的采集时间相关联地记录。以及,依据记录的风速、风向、湿度、温度、光照等数据修正权重λi。例如,对于空气污染这一检测指标,当监测点处于A点处上风口处时,可以适当提升空气污染这一监测指标在A点处的权重,当监测点处于A点处下风口时,可以适当减小空气污染这一监测指标在A点处的权重。
同样,针对一些与光照或温度相关的监测指标,也可以根据光照或温度情况对相关监测指标在A点处的权重进行调整。
A点处的某项环境监测指标的估算值Vak
其中,
vik为第i个环境监测点的m个环境监测指标中的第k个环境监测指标。
通过公式1、公式2和公式3,可以计算出A点处的某项环境指标的数据,作为对A点的综合环境EQa
可选地,第i个环境监测点的第k个环境监测指标的测量值有多个记录(分别来自不同的时间),对这些记录的值取平均值,作为公式3中的vik
进一步地,对A点的综合环境EQa,还综合考虑A点处的多项环境指标,
其中,
λak为A点处第K项监测指标在A点处所占的权重。本领域技术人员可以理解的是,λak的数值可以被指定。例如,若A点作娱乐作场所,空气污染指标的权重被设置为大于噪声污染的权重。若A点为休息场所,则在多种监测指标中,噪声污染被设置为较高的权重。具体地,可以根据A点所述的位置,并针对各项检测指标对A点处的环境影响的强弱来指定。
在进一步的实施方式中,还为A点指定待预测时间段。待预测时间段可以是上午十点到十二点之间、下午三点到六点之间或一整天,也可以是春天、秋天等某个季节。本实施例中,选取上午十点到十二点之间为例来进行说明。
结合服务器中的相关监测点的历史数据,可以对A点处的综合环境进行评价和预测。本实施例中,选取的待预测时间段为上午十点到十二点之间,因此,可以从服务器中调取的与待预测时间段相对应的多个的历史时间段内与A点处相关的环境监测点的一个或多个监测指标的监测数据,本申请中,历史时间段指的与待预测时间段相对应的历史时间,例如,待预测时间段为上午十点到十二点之间,那么在在待预测时间段之前的每天上午十点到十二点之间就是各个历史时间段,同时根据各个历史时间段内服务器中记录的各项指标的数据计算得到的在历史时间段内的综合环境称为历史时间段综合环境。
本领域技术人员可以理解的是,调取的历史时间段的个数越多,得到的评价和预测结果越准确。在一个例子中,获取与A点处相关的第K个环境监测点的某监测指标在每天上午十点到十二点之间的每个监测数据,根据公式3,得到A点处的该项环境监测指标的估算值Vak。对由与A点处相关的第K个环境监测点的该监测指标在每天上午十点到十二点之间的每个监测数据得到的估算值Vak求平均,用平均值替代公式4中估算值Vak,作为对A点的综合环境EQa
在又一个例子中,设定选取的历史时间段为n天,那么在选取的n天中,第p天在A点处上午十点到十二点之间,A点处的历史综合环境记作EQap。为了更准确的计算出A点处在上午十点到十二点之间的综合环境,将每个环境监测点在历史时间段内记录的各个监测指标的数据进行一定的处理,例如,采用该段时间内的各个监测指标的均值来替代该时间段内各个监测指标的实际值。具体地,当该预测时间段内服务器中各个监测指标的监测数据只记录了一次,那么可以通过公式3直接算出A点处某项监测指标额值Vak;当该预测时间段内,服务器中各个监测指标的监测数据记录了多次,那么就需要对这多次记录的数据进行处理。具体地,
设定第i个环境监测点的第k个监测指标Vik在这段时间内被记录了r次,则该时间段内第i个环境监测点的第k个监测指标的均值记为那么公式3中的
其中,s为r次记录中的第s次记录。
在依然进一步的实施例中,通过将A点的综合环境EQa与基准进行比较,依据比较结果,评价A点的污染情况。作为举例,将A点所在小区、区县、省市或国家的综合环境评价均值作为基准,得出A点的综合环境EQa优于或劣于基准。或者,在诸如1年的指定时间段或选定的时间段内,A点的综合环境EQa优于或劣于基准的次数或天数。依然可选地,用于计算基准的综合环境评价均值,是依据与A点的监测指标估算值Vak同时间或同时段采集的数据计算的。
作为另一个例子,根据环国家和/或区域性的环境污染标准,设定污染指标值将第p天的历史综合环境EQap与污染指标进行比较,得出第p天A点处的污染状况。例如,当
时,判定该天(第p天)出现污染。假定n天中出现污染的次数为q次,那么A点处在待预测时间段的上午十点与十二点之间的综合环境评价记作QEa,则
QEa=q/n 公式7
从此处计算得到的QEa作为对A点处的综合环境进行评价。如此得到的A点处的环境评价有科学的评判依据,比靠人眼观察更为准确。
作为又一个例子,将n天中的得到综合环境制成A点处在待预测时间段内的环境地图,如图4所示,其中,X轴表示时间,例如,本实施例中,图中“0”表示待预测时间段“2017年5月16号上午十点到十二点之间”,“-1”则表示“2017年5月15号上午十点到十二点之间”,“-2”表示“2017年5月14号上午十点到十二点之间”,依次类推的各个历史时间段,Y轴表示A点处各个历史时间段对应的历史综合环境,其中表示“污染指数标准”。再根据环境地图中历史综合环境的变化趋势,预测A点处在待预测时间段内的综合环境。这样预测出来的综合环境具有极高的准确性和参考性,可以为后期人们生活或制造提供科学的评判依据。
本实施例中,为了使得得到的综合环境评价更为准确,还可以根据历史时间真实的天气对各个监测点的各个监测指标的历史数据进行修正,这样计算得到的综合环境评价的准确性会更高。
实施例二
在本实施例中,将结合对某一点的综合环境评价的方案来评价区域的综合环境。
为对区域的环境进行综合环境评价,采用用一个或多个点处的环境评价来代表离该区域的环境评价。例如,点A点处的综合环境评价,用来表示离A点处距离5米内的区域的综合环境评价。以及,为获得离A点处距离5米内的区域的综合环境评价,用点A点处的综合环境评级来代表。可以理解地,当某点处的综合环境评价代表的区域越小时,计算得出的结果会越准确。可选地,在待预测区域中选择多个点,获取多个点的综合环境评价,并整体考虑多个点的综合环境评价,得出待预测区域的综合环境评价。依然可选地,根据待预测区域的大小和区域中环境因素的复杂程度来确定如何选择点以及选择点的数量。
当待预测区域足够小时,例如,如图2和图3所示,需要预测一栋建筑中某一楼层的某一个房间的综合环境时,就可以在这个房间中选取一个采样位置,并用该采样位置的综合环境评价来表示该房间A的综合环境评价。
当选取的评价和预测区域较大时,在该区域内选择多个点,获取多个点的综合环境评价,在将多个点的综合环境评价结果进行综合,来确定该区域的综合环境评价。下面以具体的实例来计算该区域的综合环境评价,并将该区域的综合环境记作EQ。
首先,在待预测区域内选择u个点位,根据公式1、公式2、公式3和公式4,可知,u个点中第v个点的综合环境评价
再对各个点的综合环境评价求均值,来代表该区域的综合环境评价。本领域技术人员可以理解的是,还可以通过权重叠加等方法通过多个点的综合环境评价计算该区域的综合环境评价。例如在本实施中,该区域综合环境评价
进一步地,还需要计算待区域区域在待预测时间段的区域综合环境评价。指定待预测时间段。例如,设定待预测时间段为五月份,那么在服务器的历史数据中,获取所记录的去年、前年等历史年份中五月份的历史时间段数据,再结合公式5、公式6和公式7,得到该区域的综合环境评价QE。
进一步地,根据历年五月份的综合环境评价,制作出该区域环境地图,如图5所示,其中,X轴表示时间,例如,例如,本实施例中,图中“0”表示待预测时间段“2017年的5月份”,“-1”则表示“2016年的5月份”,“-2”表示“2015年的5月份”,依次类推的各个历史时间段,Y轴表示该区域各个历史时间段对应的历史综合环境,其中表示“污染指数标准”。根据环境地图中,该区域在历史待预测时间段内的综合环境评价变化趋势,预测该区域在待预测时间段内的未来综合环境评价。从而,在生产、建筑或生活中,可以有科学的评判依据衡量该区域的环境。
实施例三
本实施例提供一种区域综合环境预测装置,具体如图6所示,包括设定模块100、获取模块200、数据模块300、计算模块400和预测模块500。
其中,设定模块100用于指定待预测区域和待预测时间段;获取模块200用于获取与待预测区域相关的多个环境监测点;数据模块300用于得到所述多个环境监测点的污染检测值;计算模块400用于根据污染检测值估计待预测区域的多个污染数值;预测模块500用于对估计的多个污染数值进行权重叠加,用于预测待预测区域的综合环境评价。
通过区域综合环境预测装置,可以具体的量化的对待预测区域在待预测时间段内的环境进行评价和预测。
该区域综合环境预测装置可执行上述实施例中的方法步骤,相同部分在此不再赘述。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种区域综合环境预测方法,其中所述区域中设置有环境监测点,其特征在于,包括:
步骤S1:指定待预测区域和待预测时间段;
步骤S2:获取与待预测区域相关的多个环境监测点;
步骤S3:得到所述多个环境监测点的污染检测值;
步骤S4:根据污染检测值估计待预测区域的多个污染数值;
步骤S5:对估计的多个污染数值进行权重叠加,用于预测待预测区域的综合环境评价。
2.根据权利要求1所述的区域综合环境预测方法,其特征在于,步骤S3包括:获取所记录的来自所述多个环境监测点的在同待预测时间段对应的历史时间段内的多项监测指标对应的污染监测值;
步骤S4包括:根据所述污染检测值估计待预测区域的来自所述多个环境监测点的同多项监测指标对应的污染数值。
3.如权利要求1或2任一项所述的区域综合环境预测方法,还包括如下步骤:
在所述待预测区域内选择多个目标位置;
所述步骤S4还包括:通过反距离权重插值法,根据所述污染检测值估计所述多个目标位置的来自所述多个环境监测点的同多项监测指标对应的污染数值;
所述步骤S5还包括:对所述多个目标位置的位置综合环境指标计算权重叠加,得到所述待预测区域的平均综合环境指标,用于预测待预测区域在待预测时间段的综合环境评价。
4.如权利要求1所述的区域综合环境预测方法,其特征在于,其中与待预测区域相关的多个环境监测点是到待预测区域指定距离内的多个环境监测点。
5.如权利要求1所述的区域综合环境预测方法,其特征在于,在步骤S5之后还包括如下步骤:
步骤S6:确定在多个设定时间点,待预测区域的位置综合环境指标是否大于设定污染指标;
步骤S7:记录大于设定污染指标的设定时间点的次数;
步骤S8:根据大于设定污染指标的设定时间点的次数对步骤S5中得出的综合环境评价结果进行修正。
6.如权利要求1所述的区域综合环境预测方法,其特征在于,还包括:
获取所记录的来自所述多个环境监测点的在同待预测时间段对应的历史时间段内的天气信息;以及
根据天气信息,更新所估计的待预测区域的来自所述多个环境监测点的同各项监测指标对应的污染数值。
7.如权利要求6所述的区域综合环境预测方法,其特征在于,还包括如下步骤:
获取所记录的来自所述多个环境监测点的在同待预测时间段对应的历史时间段内的天气信息;以及
根据天气信息,更新所记录的来自所述多个环境监测点的在同待预测时间段对应的历史时间段内的多项监测指标对应的污染监测值。
8.一种区域综合环境预测方法,在该区域内存在有多个环境监测点,其特征在于,所述区域综合环境预测方法包括:
步骤S1:指定待预测区域和待预测时间段;
步骤S2:在待预测区域内选取多个采样位置,并根据与待预测时间段对应的多个历史时间段数据,估算各个采样位置各个监测指标对应的各个历史时间段数据;
步骤S3:根据各个采样位置的各个监测指标的各个历史时间段数据,估算各个采样位置的各个历史时间段综合环境评价;
步骤S4:根据各个采样位置的各个历史时间段综合环境评价,估算待预测区域的各个历史时间段综合环境评价;
步骤S5:根据待预测区域的各个历史时间段综合环境评价,预测待预测区域在待预测时间段的综合环境评价。
9.根据权利要求8所述的区域综合环境预测方法,其特征在于,步骤S2具体包括:
步骤S21:在待预测区域选取多个采样位置;
步骤S22:获取与各个采样位置相关的环境监测点;
步骤S23:获取与各个采样位置相的关环境监测点,与待预测时间段对应的各项检测指标对应的多个历史时间段数据;
步骤S24:根据相关环境监测点的各项检测指标对应的多个历史时间段数据,估算各个采样位置的各个监测指标对应的多个历史时间段数据。
10.一种区域综合环境预测装置,其特征在于,包括:
设定模块:指定待预测区域和待预测时间段;
获取模块:获取与待预测区域相关的多个环境监测点;
数据模块:得到所述多个环境监测点的污染检测值;
计算模块:根据污染检测值估计待预测区域的多个污染数值;
预测模块:对估计的多个污染数值进行权重叠加,用于预测待预测区域的综合环境评价。
CN201710449145.3A 2017-05-19 2017-06-14 一种区域综合环境评价方法、装置及系统 Active CN107066831B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2017103555091 2017-05-19
CN201710355509 2017-05-19

Publications (2)

Publication Number Publication Date
CN107066831A true CN107066831A (zh) 2017-08-18
CN107066831B CN107066831B (zh) 2021-04-23

Family

ID=59593873

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710449145.3A Active CN107066831B (zh) 2017-05-19 2017-06-14 一种区域综合环境评价方法、装置及系统

Country Status (1)

Country Link
CN (1) CN107066831B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108398529A (zh) * 2018-03-06 2018-08-14 深圳市卡普瑞环境科技有限公司 一种信息获取方法以及信息获取装置
CN110347891A (zh) * 2019-07-11 2019-10-18 华艺生态园林股份有限公司 基于区块链的水体污染监测方法
CN111539372A (zh) * 2020-05-06 2020-08-14 中南民族大学 病虫害分布的监测方法、设备、存储介质及装置
CN111552924A (zh) * 2020-04-22 2020-08-18 中国科学院地理科学与资源研究所 乡镇尺度的土壤重金属污染特征及潜在生态风险评价方法
CN111785051A (zh) * 2020-06-29 2020-10-16 广东荣文科技集团有限公司 路况指示控制方法、智能路灯及相关产品
CN111861282A (zh) * 2020-08-05 2020-10-30 深圳博沃智慧科技有限公司 一种环评结果评估方法、装置和计算机可读存储介质
CN112763086A (zh) * 2020-12-26 2021-05-07 广东电网有限责任公司电力科学研究院 一种测温补偿系统及测温补偿装置
CN113330283A (zh) * 2018-08-25 2021-08-31 山东诺方电子科技有限公司 大气污染检测设备数据可信度评价及校准方法
CN113566878A (zh) * 2021-06-29 2021-10-29 青岛海尔科技有限公司 环境数据的检测方法及装置
CN114485916A (zh) * 2022-01-12 2022-05-13 广州声博士声学技术有限公司 一种环境噪声监测方法、系统、计算机设备和存储介质
CN116069892A (zh) * 2023-03-27 2023-05-05 乳山市海洋经济发展中心 一种基于海洋工程的环境数据处理方法及系统
CN116645007A (zh) * 2023-06-29 2023-08-25 山东寰达生态环境科技股份有限公司 一种基于多维数据采集的环境评价方法及系统
CN117114505A (zh) * 2023-10-11 2023-11-24 福建省东霖建设工程有限公司 一种建筑施工现场环境监测方法及系统

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101493439A (zh) * 2008-01-22 2009-07-29 清华科技检验股份有限公司 环境监测系统
CN201508482U (zh) * 2009-06-25 2010-06-16 上海泓济环保工程有限公司 污水处理实时监控系统
CN101930662A (zh) * 2009-10-10 2010-12-29 中国农业科学院农业资源与农业区划研究所 基于远程监控的农田信息实时监测系统及方法
CN102467605A (zh) * 2010-11-08 2012-05-23 同济大学 供水管网突发污染事故的污染源追踪定位信息处理方法
CN202453320U (zh) * 2012-02-29 2012-09-26 陕西理工学院 一种分布式甲醛监测系统
CN102778702A (zh) * 2012-06-21 2012-11-14 重庆市电力公司 一种用于变电站的气象预报方法及系统
CN103177550A (zh) * 2012-12-24 2013-06-26 北京信息科技大学 温室气体排放远程实时监测系统及方法
CN104252647A (zh) * 2014-06-10 2014-12-31 南瑞(武汉)电气设备与工程能效测评中心 基于反距离权重插值法的用电负荷预测方法
CN104598457A (zh) * 2013-10-31 2015-05-06 南京思润软件有限公司 一种通过插值算法以多点噪声值预测面噪声情况的方法
CN104821082A (zh) * 2015-04-29 2015-08-05 电子科技大学 一种基于综合评价的短时交通流预测方法
KR101586650B1 (ko) * 2015-01-23 2016-01-19 주식회사 우리소재 오염 감시용 채수시스템
CN105303268A (zh) * 2015-11-25 2016-02-03 国家电网公司 基于相似度理论的风力发电输出功率预测方法
CN106153510A (zh) * 2015-03-25 2016-11-23 日本电气株式会社 大气污染物浓度的估算方法和装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101493439A (zh) * 2008-01-22 2009-07-29 清华科技检验股份有限公司 环境监测系统
CN201508482U (zh) * 2009-06-25 2010-06-16 上海泓济环保工程有限公司 污水处理实时监控系统
CN101930662A (zh) * 2009-10-10 2010-12-29 中国农业科学院农业资源与农业区划研究所 基于远程监控的农田信息实时监测系统及方法
CN102467605A (zh) * 2010-11-08 2012-05-23 同济大学 供水管网突发污染事故的污染源追踪定位信息处理方法
CN202453320U (zh) * 2012-02-29 2012-09-26 陕西理工学院 一种分布式甲醛监测系统
CN102778702A (zh) * 2012-06-21 2012-11-14 重庆市电力公司 一种用于变电站的气象预报方法及系统
CN103177550A (zh) * 2012-12-24 2013-06-26 北京信息科技大学 温室气体排放远程实时监测系统及方法
CN104598457A (zh) * 2013-10-31 2015-05-06 南京思润软件有限公司 一种通过插值算法以多点噪声值预测面噪声情况的方法
CN104252647A (zh) * 2014-06-10 2014-12-31 南瑞(武汉)电气设备与工程能效测评中心 基于反距离权重插值法的用电负荷预测方法
KR101586650B1 (ko) * 2015-01-23 2016-01-19 주식회사 우리소재 오염 감시용 채수시스템
CN106153510A (zh) * 2015-03-25 2016-11-23 日本电气株式会社 大气污染物浓度的估算方法和装置
CN104821082A (zh) * 2015-04-29 2015-08-05 电子科技大学 一种基于综合评价的短时交通流预测方法
CN105303268A (zh) * 2015-11-25 2016-02-03 国家电网公司 基于相似度理论的风力发电输出功率预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
POPE,C.R等: "Fine-particulate air pollution and life expectancy in the United States", 《N ENGL J MED》 *
刘杰: "北京大气污染物时空变化规律及评价预测模型研究", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》 *

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108398529A (zh) * 2018-03-06 2018-08-14 深圳市卡普瑞环境科技有限公司 一种信息获取方法以及信息获取装置
CN113330283A (zh) * 2018-08-25 2021-08-31 山东诺方电子科技有限公司 大气污染检测设备数据可信度评价及校准方法
CN110347891B (zh) * 2019-07-11 2022-09-06 华艺生态园林股份有限公司 基于区块链的水体污染监测方法
CN110347891A (zh) * 2019-07-11 2019-10-18 华艺生态园林股份有限公司 基于区块链的水体污染监测方法
CN111552924A (zh) * 2020-04-22 2020-08-18 中国科学院地理科学与资源研究所 乡镇尺度的土壤重金属污染特征及潜在生态风险评价方法
CN111539372A (zh) * 2020-05-06 2020-08-14 中南民族大学 病虫害分布的监测方法、设备、存储介质及装置
CN111539372B (zh) * 2020-05-06 2023-05-19 中南民族大学 病虫害分布的监测方法、设备、存储介质及装置
CN111785051A (zh) * 2020-06-29 2020-10-16 广东荣文科技集团有限公司 路况指示控制方法、智能路灯及相关产品
CN111861282A (zh) * 2020-08-05 2020-10-30 深圳博沃智慧科技有限公司 一种环评结果评估方法、装置和计算机可读存储介质
CN111861282B (zh) * 2020-08-05 2024-01-12 深圳博沃智慧科技有限公司 一种环评结果评估方法、装置和计算机可读存储介质
CN112763086A (zh) * 2020-12-26 2021-05-07 广东电网有限责任公司电力科学研究院 一种测温补偿系统及测温补偿装置
CN113566878A (zh) * 2021-06-29 2021-10-29 青岛海尔科技有限公司 环境数据的检测方法及装置
CN113566878B (zh) * 2021-06-29 2023-10-24 青岛海尔科技有限公司 环境数据的检测方法及装置
CN114485916A (zh) * 2022-01-12 2022-05-13 广州声博士声学技术有限公司 一种环境噪声监测方法、系统、计算机设备和存储介质
CN116069892A (zh) * 2023-03-27 2023-05-05 乳山市海洋经济发展中心 一种基于海洋工程的环境数据处理方法及系统
CN116069892B (zh) * 2023-03-27 2023-08-04 乳山市海洋经济发展中心 一种基于海洋工程的环境数据处理方法及系统
CN116645007A (zh) * 2023-06-29 2023-08-25 山东寰达生态环境科技股份有限公司 一种基于多维数据采集的环境评价方法及系统
CN116645007B (zh) * 2023-06-29 2024-04-09 山东寰达生态环境科技股份有限公司 一种基于多维数据采集的环境评价方法及系统
CN117114505A (zh) * 2023-10-11 2023-11-24 福建省东霖建设工程有限公司 一种建筑施工现场环境监测方法及系统
CN117114505B (zh) * 2023-10-11 2023-12-15 福建省东霖建设工程有限公司 一种建筑施工现场环境监测方法及系统

Also Published As

Publication number Publication date
CN107066831B (zh) 2021-04-23

Similar Documents

Publication Publication Date Title
CN107066831A (zh) 一种区域综合环境评价方法、装置及系统
Maleki et al. Air pollution prediction by using an artificial neural network model
Zhang et al. Estimation of speciated and total mercury dry deposition at monitoring locations in eastern and central North America
Lin et al. Predictive ability of logistic regression, auto-logistic regression and neural network models in empirical land-use change modeling–a case study
Isotta et al. Evaluation of European regional reanalyses and downscalings for precipitation in the Alpine region
Yang et al. Impact of accessibility on housing prices in Dalian city of China based on a geographically weighted regression model
CN103106347B (zh) 一种基于土壤属性空间分布的农业面源磷污染估算方法
Melching et al. A reliability estimation in modeling watershed runoff with uncertainties
Wang et al. Estimate canopy transpiration in larch plantations via the interactions among reference evapotranspiration, leaf area index, and soil moisture
Wang et al. Temporal stability analysis of surface and subsurface soil moisture for a transect in artificial revegetation desert area, China
CN106199627B (zh) 一种无人机lidar反演草地植被参数的精度改进方法
CN101853290A (zh) 基于地理信息系统的气象服务效益评估方法
Liu et al. Combined effects of climate and land management on watershed vegetation dynamics in an arid environment
CN104048843B (zh) 基于gps位移监测的大跨桥梁钢箱梁损伤预警方法
Niska et al. Evaluation of an integrated modelling system containing a multi-layer perceptron model and the numerical weather prediction model HIRLAM for the forecasting of urban airborne pollutant concentrations
Seidenfaden et al. Climate change impacts and uncertainty on spatiotemporal variations of drought indices for an irrigated catchment
Gao et al. Prediction of vertical PM 2.5 concentrations alongside an elevated expressway by using the neural network hybrid model and generalized additive model
CN109357716A (zh) 一种重污染地区污染数据实时采集方法
CN113836808A (zh) 一种基于重污染特征约束的pm2.5深度学习预测方法
CN113486295A (zh) 基于傅里叶级数的臭氧总量变化预测方法
CN115203643A (zh) 融合水文与生态要素的水源涵养功能定量诊断方法及系统
Zhu et al. Spatio-temporal variation and impacting factors of NPP from 2001 to 2020 in Sanjiangyuan region, China: A deep neural network-based quantitative estimation approach
Zheng et al. A temporally-calibrated method for crowdsourcing based mapping of intra-urban PM2. 5 concentrations
CN102226332A (zh) 一种基于环境监测反馈的调水方法
Thiyagarajan et al. Short-term Time Series Forecasting of Concrete Sewer Pipe Surface Temperature

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant