CN107609280B - 一种时间区间的确定方法以及终端 - Google Patents
一种时间区间的确定方法以及终端 Download PDFInfo
- Publication number
- CN107609280B CN107609280B CN201710846400.8A CN201710846400A CN107609280B CN 107609280 B CN107609280 B CN 107609280B CN 201710846400 A CN201710846400 A CN 201710846400A CN 107609280 B CN107609280 B CN 107609280B
- Authority
- CN
- China
- Prior art keywords
- wind direction
- direction angle
- sampling
- preset
- time interval
- 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
Images
Landscapes
- Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
Abstract
本申请实施例公开了一种时间区间的确定方法以及终端,用于通过预设算法以及生成风向角分布频率图客观、形象的分析监测设备记录的采样风向角,并据此确定目标时间区间,以对采样风向角进行更有统计意义的分析。本申请实施例方法包括:终端获取预设时间区间内采样风向角的第一集合,采样风向角由监测设备根据预设采样周期进行采样得到;终端根据预设算法由采样风向角计算得到平均风向角,并得到该预设时间区间内平均风向角的第二集合;终端根据第二集合生成包括风向角的覆盖角度以及风向角频率值的风向角分布频率图;终端判断风向角分布频率图是否满足预设条件;若是,则终端确定该预设时间区间为目标时间区间。本申请实施例还提供一种终端。
Description
技术领域
本申请涉及环境监测领域,尤其涉及一种时间区间的确定方法以及终端。
背景技术
在日常生活、生产等活动中,经常要测量风向,记录风向角。所谓风向即水平气流的来向,是空气的水平运动,所谓风向角即为风向的角度,角度范围在0至2π之间,通常来说,正北、正南、正东、正西方向分别对应0、π、1/2π、3/2π。
测量的风向角可以为人们出行、农业生产、工厂选址等目标行为提供参考,例如,应避免在下风向有密集住宅区相对的上风向的位置建立工厂,否则工厂排出的大气污染物会随风吹往下风向处的密集住宅区,影响人民身体健康;同时,测量的风向角也可以用于大气环境检测,例如,在无组织废气排放的环境检测中,通过测定风向为上风向确定参照点的位置。目前,市场已经有很多测量风向角的监测设备,这些监测设备能够通过预设采样周期实时获取该监测设备监测范围内的风向角,用于指导人们的生活、生产活动。这些监测设备的监测方式是:当打开该监测设备时,监测设备开始工作,按照设置好的采样周期实时监测并记录采样风向角,直到该监测设备被关闭时,监测设备停止工作,并停止实时监测和记录采样风向角。监测设备可以被设置为当达到预置记录次数时就将记录的风向角发送至终端,或设置为当监测设备被关闭时一次性将所记录的风向角发送至终端。一般来说,监测设备记录的风向角都是保存为文本格式或数据库格式,或自动生成记录曲线图,纵坐标为风向角,横坐标为时间值,记录的风向角随时间值的变化而变化。
因此,这就导致监测设备监测到的实时的风向角的数量纷杂、风向角与时间区间之间的关系抽象,尤其是在监测时长长达数天或数月的情况下,监测设备监测的风向角的数量则更加庞大。一般来说,终端针对风向角的统计分析是将监测设备从开启到关闭这一时间区间内的监测到的风向角都进行分析,也可以是随机选取或指定选取预设时间区间内的风向角来分析,然而这样就无法确定终端提取哪个时间区间记录的风向角进行分析时更具备统计意义,也就无法更精准的指导人们的生活、生产等。
发明内容
本申请实施例提供了一种时间区间的确定方法以及终端,用于通过预设算法以及生成风向角分布频率图客观、形象地分析监测设备记录的采样风向角,并据此确定目标时间区间,以对采样风向角及与其有关联的、同步记录的其他监测数值(如典型大气污染物浓度等)进行更有统计意义的分析,避免采样过疏或过密而导致有用监测信息的遗失。
具体技术方案包括:
本申请实施例提供一种时间区间的确定方法,该方法包括:
终端获取采样风向角的第一集合,该采样风向角由监测设备根据预设采样周期进行采样得到,该第一集合包括该监测设备在预设时间区间内获取的该采样风向角,该采样风向角的角度范围在0到2π之间;
该终端根据预设算法由该采样风向角计算得到平均风向角,并获取第二集合,该第二集合包括该监测设备在该预设时间区间内获取的该平均风向角;
该终端根据该第二集合生成风向角分布频率图,该风向角分布频率图包括风向角的覆盖角度以及风向角频率值,该风向角分布频率图与该预设时间区间对应;
该终端判断该风向角分布频率图是否满足预设条件;
若是,则该终端确定该预设时间区间为目标时间区间。
可选地,该终端判断该风向角分布频率图是否满足预设条件之后,该方法还包括:
若否,则该终端对该预设时间区间进行更新操作,直至与该预设时间区间对应的该风向角分布频率图满足该预设条件,该更新操作为延长该预设时间区间。
可选地,该终端根据预设算法由该采样风向角计算得到平均风向角,并获取第二集合包括:
该终端预设正整数值n以及正整数值m,该m与该n的乘积为该第一集合中的该采样风向角的数量值;
该终端在该预设时间区间内根据该公式得到m个该平均风向角,m个该平均风向角构成该第二集合。
可选地,该终端根据预设算法由该采样风向角计算得到平均风向角,并获取第二集合包括:
该终端预设正整数值n以及正整数值m,该m与该n的乘积为该第一集合中的该采样风向角的数量值;
该终端根据计算公式计算得到该平均风向角,为该平均风向角,A1、A2、…、An为该第一集合中连续n个该预设采样周期内该监测设备获取的连续n个采样风向角,M1、M2、…、Mn为同一个连续n个该采样周期内该监测设备获取的连续n个采样风速值,该风速值与该采样风向角一一对应,当时,y=0,当时,y=π;
该终端在该预设时间区间内根据该公式得到m个该平均风向角,m个该平均风向角构成该第二集合。
可选地,所述终端判断该风向角分布频率图是否满足预设条件包括:
该终端判断该风向角分布频率图中的风向角的覆盖角度是否不小于第一预设值;和/或,
该终端判断该风向角分布频率图中的风向角频率值是否不低于第二预设值;
若是,则该终端确定该风向角分布频率图满足预设条件。
可选地,该第二预设值为4。
可选地,该预设时间区间为24小时。
本申请实施例还提供一种终端,该终端包括:
第一获取单元,用于获取采样风向角的第一集合,该采样风向角由监测设备根据预设采样周期进行采样得到,该第一集合包括该监测设备在预设时间区间内获取的该采样风向角,该采样风向角的角度范围在0到2π之间;
运算单元,用于根据预设算法由该采样风向角计算得到平均风向角;
第二获取单元,用于获取第二集合,该第二集合包括该监测设备在该预设时间区间内获取的该平均风向角;
生成单元,用于根据该第二集合生成风向角分布频率图,该风向角分布频率图包括风向角的覆盖角度以及风向角频率值,该风向角分布频率图与该预设时间区间对应;
判断单元,用于判断该风向角分布频率图是否满足预设条件;
确定单元,用于当该判断单元确定该风向角分布频率图满足预设条件时,确定该预设时间区间为目标时间区间。
可选地,该终端还包括:
更新单元,用于当该判断单元确定该风向角分布频率图不满足预设条件时,对该预设时间区间进行更新操作,直至与该预设时间区间对应的该风向角分布频率图满足该预设条件,该更新操作为延长该预设时间区间。
可选地,该运算单元包括:
预设子单元,用于预设正整数值n以及正整数值m,m与n的乘积为所述第一集合中的该采样风向角的数量值;
可选地,该运算单元包括:
预设子单元,用于预设正整数值n以及正整数值m,m与n的乘积为所述第一集合中的该采样风向角的数量值;
第二计算子单元,用于根据计算公式计算得到该平均风向角,为该平均风向角,A1、A2、…、An为该第一集合中连续n个该预设采样周期内该监测设备获取的连续n个采样风向角,M1、M2、…、Mn为同一个连续n个该采样周期内该监测设备获取的连续n个采样风速值,该风速值与该采样风向角一一对应,当时,y=0,当时,y=π。
可选地,该判断单元包括:
第一判断子单元,用于判断该风向角分布频率图中的风向角的覆盖角度是否不小于第一预设值,当该第一判断子单元确定该风向角分布频率图中的风向角的覆盖角度不小于第一预设值时,则触发确定子单元执行相应操作;
和/或,
第二判断子单元,用于判断该风向角分布频率图中的风向角频率值是否不低于第二预设值,当该第二判断子单元确定该风向角分布频率图中的风向角频率值不低于第二预设值时,则触发确定子单元执行相应操作;
确定子单元,用于确定该风向角分布频率图满足预设条件。
此外,本申请实施例还提供一种终端,该终端包括:
处理器,存储器,总线和输入输出接口,该处理器、存储器和输入输出接口通过该总线连接;该存储器中存储有程序代码,该程序代码用于存储操作指令;该处理器用于调用该存储器中的程序代码时执行本申请实施例中任一项方法中该终端需要执行的步骤。
本申请实施例提供一种包含指令的计算机程序产品,当其在计算机上运行时,使得该计算机执行本申请实施例中任一项方法的步骤。
本申请实施例还提供一种计算机可读存储介质,需要说明的是,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产口的形式体现出来,该计算机软件产品存储在一个存储介质中,用于储存为上述相关设备所用的计算机软件指令,当该指令在计算机上运行时,使得计算机执行本申请实施例中任一项方法的步骤。
该存储介质可以是U盘、移动硬盘、只读存储器(英文缩写:ROM,英文全称:Read-Only Memory)、随机存取存储器(英文缩写:RAM,英文全称:Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质,具体此处不做限定。
从以上技术方案可以看出,本申请实施例具有以下优点:
终端获取由监测设备采样得到的预置时间区间内的采样风向角,并根据预置算法由该采样风向角计算得到平均风向角,终端根据得到的平均风向角生成与该预置时间区间对应的风向角分布频率图,并判断该风向角分布频率图是否满足预设条件,若是,则该终端确定该预设时间区间为目标时间区间。本申请实施例通过预设算法将监测设备采集的原始的采样风向角计算得到平均风向角,并将得到的平均风向角生成风向角分布频率图,从而可以客观、形象的体现出监测设备记录的采样风向角,并据此确定目标时间区间、对采样风向角进行更有统计意义的分析。
附图说明
图1为本申请实施例中时间区间的确定方法一个实施例示意图;
图2为本申请实施例中时间区间的确定方法另一实施例示意图;
图3为本申请实施例中时间区间的确定方法一个对应的应用场景下的风向角分布频率图;
图4为本申请实施例中时间区间的确定方法另一实施例示意图;
图5为本申请实施例中终端的一个实施例示意图;
图6为本申请实施例中终端的另一实施例示意图;
图7为本申请实施例中终端的另一实施例示意图。
具体实施方式
本申请实施例提供了一种时间区间的确定方法以及终端,用于通过预设算法以及生成风向角分布频率图客观、形象的分析监测设备记录的采样风向角,并据此确定目标时间区间,以对采样风向角进行更有统计意义的分析。
为便于理解,下面对本申请实施例中的具体流程进行描述,请参阅图1,本申请实施例中时间区间的确定方法一个实施例包括:
101、终端获取采样风向角的第一集合;
布置在监测点的监测设备根据预设的采样周期对风向进行采样得到采样风向角,采样周期可以在监测设备允许的采样周期的跨度范围内根据需要自行选择,例如,若监测设备的采样周期的跨度范围是2秒至12小时连续可调,则可以根据需要选择2秒至12小时之间任意一个时间间隔作为采样周期,可以选择采样周期为2秒,也可以选择采样周期为2小时,具体此处不做限定。该监测设备在预设时间区间内获取根据采样周期采集到的采样风向角的第一集合,预设时间区间可以在监测设备连续工作时的最大监测时长内根据需要自行选择,例如,若该监测设备以15分钟为采样周期监测风向角,最多可连续监测长达3个月的时长,则可以根据需要选择15分钟至3个月之间任意一个时间区间作为预设时间区间,可以选择24小时作为预设时间区间,也可以选择10天作为预设时间区间,具体此处不做限定。当根据需要选择好预设时间区间后,终端将从该监测设备处获取该预设时间区间内的采样风向角的第一集合,采样风向角的角度范围在0到2π之间。
在此需要注意的是,本申请中可以采用弧度制来表示风向角的角度范围0至2π,也可以采用角度制来表示风向角的角度范围0°至360°,弧度制与角度制之间可以互相换算,换算公式为:π=180°,本申请中,风向角的角度范围具体采用何种表示方式此处不做限定。
还需要说明的是,该终端是指可以接收到监测设备发送的监测数据并对监测数据进行对应处理得到分析结果的设备,该终端可以是服务器,也可以是手机、电脑、智能手表,具体此处不做限定。
102、终端根据预设算法由采样风向角计算得到平均风向角;
终端获取预设时间区间内的采样风向角的第一集合之后,将根据预设算法由第一集合中的采样风向角计算得到平均风向角。
103、终端获取平均风向角的第二集合;
终端根据预设算法将第一集合中的采样风向角计算得到平均风向角,在预置时间区间内终端将获取到平均风向角的第二集合。
104、终端根据第二集合生成风向角分布频率图;
终端获取平均风向角的第二集合之后,根据第二集合生成风向角分布频率图,该风向角分布频率值与预设时间区间对应,且该风向角分布频率图包括风向角的覆盖角度以及风向角频率值。需要说明的是,在本实施例中,终端生成风向角分布频率图可以是通过终端中预先编写好的软件程序自动生成,也可以是终端通过预设计算公式自行绘制而成,可以理解的是,在实际应用中,终端生成风向角分布频率图可以有多种生成方式,具体此处不做限定。
105、终端判断风向角分布频率图是否满足预设条件,若否,则执行步骤106,若是,则执行步骤107;
终端获取风向角分布频率图之后,将判断该风向角分布频率图是否满足预设条件,若终端确定该风向角分布频率图不满足该预设条件,则执行步骤106,若终端确定该风向角分布频率图满足该预设条件,则执行步骤107。
需要说明的是,终端判断该风向角分布频率图是否满足预设条件,可以是通过判断该风向角分布频率图中的风向角的覆盖角度是否不小于第一预设值,若是,则终端确定该风向角分布频率图满足预设条件;也可以是通过判断风向角分布频率图中的风向角频率值是否低于第二预设值,若是,则终端确定该风向角分布频率图满足预设条件;此外,在实际应用中,终端判断该风向角分布频率图是否满足预设条件除了可以分别是以上两种判断方式之外,还可以是判断风向角分布频率图中的风向角的覆盖角度是否不小于第一预设值以及风向角频率值是否低于第二预设值,若是,则终端确定该风向角分布频率图满足预设条件,具体此处不做限定。
第二预设值也可以根据统计分析的具体需要取正整数值来自行设定,例如,第二预设值可以是4,也可以是10,具体此处不做限定。
106、终端执行其他流程;
当终端确定该风向角分布频率图不满足该预设条件时,终端将执行其他流程。在本实施例中,终端可以删除生成的该不满足预设条件的风向角分布频率图,可以理解的是,在实际应用中,终端除了可以删除生成的该不满足预设条件的风向角分布频率图之外,还可以对预设时间区间进行更新操作,直至与该预设时间区间对应的风向角分布频率图满足该预设条件,具体此处不做限定。需要说明的是,该更新操作为延长所述预设时间区间,每一次延长的时长可以是通过预设时长来确定,也可以是根据采样周期的大小通过预设采样周期的倍数来确定,具体此处不做限定。
107、终端确定预设时间区间为目标时间区间。
当终端确定该风向角分布频率图满足该预设条件时,终端将确定该预设时间区间为目标时间区间。之后,终端就可以据此对采样风向角进行有统计意义的分析,例如:可以在该测量风向角的监测设备上同时集成空气质量传感器用以监测与该空气质量传感器对应的大气污染物,由此得到大气污染物数据并据此表征局部空气质量,集成了空气质量传感器的监测设备在预设时间区间内通过与采样风向角同样的采样周期同步采集大气污染物数据,该大气污染物数据就是上述的目标数据;此外,在实际应用中,监测设备也可以不集成空气质量传感器,而是在监测点布置的监测设备处同时布置集成空气质量传感器的环境检测设备,该环境检测设备通过设置与监测设备同样的预设时间区间以及预设采样周期,与采样风向角同步采集大气污染物数据,该大气污染物数据就是上述的目标数据。除上述两种方式之外,基于采用风向角得到的目标数据还有多种方式,具体此处不做限定。
在本申请实施例中,终端获取由监测设备采样得到的预置时间区间内的采样风向角,并根据预置算法由该采样风向角计算得到平均风向角,终端根据得到的平均风向角生成与该预置时间区间对应的风向角分布频率图,并判断该风向角分布频率图是否满足预设条件,若是,则该终端确定该预设时间区间为目标时间区间。本申请实施例通过预设算法将监测设备采集的原始的采样风向角计算得到平均风向角,并将得到的平均风向角生成风向角分布频率图,从而可以客观、形象的体现出监测设备记录的采样风向角,并据此确定目标时间区间对采样风向角进行更有统计意义的分析,尤其是对基于采用风向角得到的目标数据进行更有统计意义的分析。
为进一步理解终端是如何根据预置算法由采样风向角计算得到平均风向角,下面对本申请实施例中的具体流程进行详细描述,具体请参阅图2,本申请实施例中时间区间的确定方法另一实施例包括:
201、终端获取采样风向角的第一集合;
在本实施例中,步骤201与前述图1所示实施例中的步骤101类似,具体此处不再赘述。
202、终端预设正整数值n以及正整数值m;
终端预设正整数值n以及正整数m,n与m的乘积为第一集合中采样风向角的数量值,例如,假设第一集合中采样风向角的数量为100,若终端预设n为10,那么m就为10;若终端预设n为20,那么m就为5。
终端根据该公式计算得到平均风向角,其中,为计算得到的平均风向角,A1、A2、…、An为第一集合中连续n个预设采样周期内监测设备获取的连续n个采样风向角,当时,x=0,当时,x=π。例如,假设监测设备预设的采样周期为1分钟,预设时间区间为某日上午10:00至11:00之间的1小时,那么第一集合中采样风向角的数量值就为60,分别为A1,A2,A3,…直至A60,A1为10:01采样得到的采样风向角,A2为10:02采样得到的采样风向角,A3为10:03采样得到的采样风向角,…依次类推,至A60为11:00采样得到的采样风向角;若终端预设n为10,则为从A1开始每连续采样得到的10个采样风向角的单位矢量加和值。
204、终端获取平均风向角的第二集合;
终端在该预设时间区间内根据上述公式,将得到m个平均风向角,这m个平均风向角构成第二集合。依然以步骤203中的例子为例,第一个平均风向角为采样风向角A1至A10的单位矢量加和值,可以记为第二个平均风向角为采样风向角A11至A20的单位矢量加和值,可以记为…,依次类推,直至第六个平均风向角为采样风向角A51至A60的单位矢量加和值,可以记为通过该公式计算得到的6个平均风向角,就构成平均风向角的第二集合。
205、终端根据第二集合生成风向角分布频率图;
206、终端判断风向角分布频率图是否满足预设条件,若否,则执行步骤207,若是,则执行步骤208;
207、终端执行其他流程;
208、终端确定预设时间区间为目标时间区间。
在本实施例中,步骤205至步骤208与前述图1所示实施例中的步骤104至步骤107类似,具体此处不再赘述。
在本申请实施例中,终端获取由监测设备采样得到的预置时间区间内的采样风向角,通过预设正整数值n以及正整数值m,并根据公式 由第一集合中的数量值为n与m乘积的采样风向角计算得到第二集合中的m个平均风向角,终端根据得到的m个平均风向角生成与该预置时间区间对应的风向角分布频率图,并判断该风向角分布频率图是否满足预设条件,若是,则该终端确定该预设时间区间为目标时间区间。本申请实施例通过预设算法将监测设备采集的原始的采样风向角计算得到平均风向角,并将得到的平均风向角生成风向角分布频率图,从而可以客观、形象地体现出监测设备记录的采样风向角,并据此确定目标时间区间对采样风向角进行更有统计意义的分析,尤其是对基于采用风向角得到的目标数据进行更有统计意义的分析。
针对图2描述的实施例,下面示例一个具体的应用场景以帮助理解图2的技术方案:
大气污染是一个困扰世界大部分地区的问题,是一种严重影响人民健康以及空气能见度的现象。由于大气污染源的空间分布密集、排放时间及排放形式极为多变,因此,利用现有的大气环境质量检测站普遍使用的传统监测设备要精确判断污染源的方位就显得非常困难,而本申请实施例提供的方法就可以很好的用于解决难以精确判断污染源方位的问题。
在长江某观测船上设置一个监测点,位置为东经31.358802度和121.611130度。在该监测点处布设一个监测风向角的监测设备,该监测设备同时集成了监测一氧化碳(英文缩写:CO,英文全称:Carbon monoxide)、一氧化氮(英文缩写:NO,英文全称:NitricOxide)、二氧化氮(英文缩写,NO2,英文全称:Nitrogen dioxide)、二氧化硫(英文缩写:SO2,英文全称:Sulfur dioxide)、臭氧(英文缩写:O3,英文全称:Ozone)、颗粒物(英文缩写:PM,英文全称:Particulate Matter)的浓度的多种对应的空气质量传感器。在2017年5月25日0:00至2017年5月25日24:00这段24小时的时间区间内,该监测设备通过预设采样周期20秒,对风向角以及上述大气污染物进行采样,需要说明的是,选取24小时为预设时间区间是为了覆盖一昼夜的监测结果,若选取的预设时间区间过短,风向角的变化可能无法覆盖足够角度,以致于来自同一污染源排放的大气污染物无法被不同监测点设置的不同监测设备所监测到,反之,如果选取的预设时间区间过长,会导致数据量过大,计算处理困难,也不易于对重点污染源排放的大气污染物及排放源位置进行有效识别处理。监测设备采样后,将得到该24小时的预设时间区间内的采样风向角的第一集合以及大气污染物数据(即本申请中的目标数据),那么该第一集合中将有4320个采样风向角,同时检测设备也将获取4320个大气污染物数据,该监测设备被设置为每隔24小时将自动将该24小时的时间区间内获取到的第一集合以及大气污染物数据通过自身的通信模块发送至服务器。
服务器接收到该第一集合以及大气污染物数据之后,预设正整数值n为30,并根据计算公式对第一集合中连续30个预设采样周期20秒内监测设备获取的连续30个采样风向角进行单位矢量加和运算,得到一个平均风向角,该平均风向角就记为也就是说,对应每10分钟得到的连续30个采样风向角进行单位矢量加和运算后得到平均风向角。需要说明的是,为了有效获取主流风向信息,从而减少湍流导致的高频风向角的变化对大气污染物数据分析的干扰,最佳选取5至10分钟之间的时长得到连续采样风向角进行单位矢量加和运算后得到平均风向角。在本申请中,示例选取10分钟的连续30个采样风向角进行计算,在24小时的预设时间区间内,共得到144个平均风向角,即预设正整数值m=144,并可以按平均风向角的获取时序分别将这144个平均风向角记为…,依次类推,直至第二集合就包括这144个平均风向角。
服务器获取平均风向角的第二集合之后,根据第二集合中的144个平均风向角通过服务器中预先编写好的软件程序自动生成风向角分布频率图,以形象显示该24小时内风向角的概率密度分布特征。该风向角分布频率图具体请参阅图3,其中,正北方向吹来的风的风向角为0°,正东方向吹来的风的风向角为90°,正南方向吹来的风的风向角为180°,正西方向吹来的风的风向角为270°。为了使来自同一污染源排放的大气污染物同时能被不同监测点设置的不同监测设备所监测到,服务器需判断风向角分布频率图是否满足预设条件,在本示例中,当服务器预设风向角的覆盖角度不小于第一预设值150°时,就确定风向角分布频率图满足预设条件。这是因为当服务器预设风向角的覆盖角度不小于150°时,就可以确定来自同一污染源排放的大气污染物同时能被不同监测点设置的不同监测设备所监测到。从图3中可以看出,在2017年5月25日0:00至2017年5月25日24:00这段24小时的时间区间内,风向变化较大,基本覆盖了0°至360°的范围,服务器通过统计计算确定风向角分布频率图中的风向角的覆盖角度为275°,275°不小于150°,满足预设条件,则确定该24小时为目标时间区间,对该目标时间区间获取的大气污染物数据进行统计分析。此外,从图3中可以看出,主流风向角为0至50°、90至130°以及180°至240°,因为这三个风向角的覆盖角度内的风向角计数频率最高,而少数方位如60°至90°之间一直未有风向角覆盖。这就表明通过对大气污染物数据分析后,如果污染源的指示信息主要来自0至50°、90至130°以及180°至240°这三个覆盖角度的大气污染物数据,则污染源的确定结果具备统计意义,高度可信。
通过对基于采样风向角得到的大气污染物数据进行分析,观察到偏东北方向约20°、偏东南方向100°以及120°方位有SO2高浓度出现,表示这三个方向存在SO2的排放源,而SO2是煤炭燃烧排放的主要污染物。结合卫星地图分析,这三个方位与上海某发电厂(二期)三个主发电机组的燃煤排放口完全一致,且进一步的观察显示,该区域附近再无其他显著排放源,则据此可以精确确定SO2排放的污染源就是该上海某发电厂。
结合上述风向角分布频率图,这三个方位均位于监测时段内的高频风向区间。这表明上述排放源的排放由该时间区间内较大量监测数据反映,结论可信。
但需要说明的是,如果该24小时内的风向角分布较单一,例如风向角的覆盖角度较窄,只有20°至30°,则需要将预置时间区间适当放宽,如放宽至48小时或更长时间,直至风向角分布频率图满足预设条件,在本示例中,就是以确保污染源排放的大气污染物可以被多个监测点布设的多个监测设备监测到,并以此精确定位污染源(具体方案在另一申请中提出,此处不再详细说明)。
401、终端获取采样风向角的第一集合;
在本实施例中,步骤401与前述图1所示实施例中的步骤101类似,具体此处不再赘述。
402、终端预设正整数值n以及正整数值m;
在本实施例中,步骤402与前述图2所示实施例中的步骤202类似,具体此处不再赘述。
终端根据该公式计算得到平均风向角,其中,为计算得到的平均风向角,A1、A2、…、An为第一集合中连续n个预设采样周期内监测设备获取的连续n个采样风向角,M1、M2、…、Mn为同一个连续n个该采样周期内监测设备获取的连续n个采样风速值,该采样风速值与该采样风向角一一对应,当时,y=0,当时,y=π。例如,假设监测设备预设的采样周期为1分钟,预设时间区间为某日上午10:00至11:00之间的1小时,那么第一集合中采样风向角的数量值就为60,分别为A1,A2,A3,…直至A60,在同样的采样周期以及预设时间区间内,监测设备采样得到的采样风速值的数量值也为60,A1为10:01采样得到的采样风向角,A2为10:02采样得到的采样风向角,A3为10:03采样得到的采样风向角,…依次类推,至A60为11:00采样得到的采样风向角;则M1为10:01采样得到的采样风速值,M2为10:02采样得到的采样风速值,M3为10:03采样得到的采样风速值,…依次类推,至M60为11:00采样得到的采样风速值。
404、终端获取平均风向角的第二集合;
终端在该预设时间区间内根据上述公式,将得到m个平均风向角,这m个平均风向角构成第二集合。依然以步骤403中的例子为例,第一个平均风向角为采样风向角A1至A10以及采样风速值M1至M10根据步骤403中的计算公式得到,可以记为第二个平均风向角为采样风向角A11至A20以及采样风速值M11至M20根据步骤403中的计算公式得到,可以记为…,依次类推,直至第六个平均风向角为采样风向角A51至A60以及采样风速值M51至M60根据步骤403中的计算公式得到,可以记为通过该公式计算得到的6个平均风向角,就构成平均风向角的第二集合。
405、终端根据第二集合生成风向角分布频率图;
406、终端判断风向角分布频率图是否满足预设条件,若否,则执行步骤407,若是,则执行步骤408;
407、终端执行其他流程;
408、终端确定预设时间区间为目标时间区间。
在本实施例中,步骤405至步骤408与前述图1所示实施例中的步骤104至步骤107类似,具体此处不再赘述。
在本申请实施例中,终端获取由监测设备采样得到的预置时间区间内的采样风向角,通过预设正整数值n以及正整数值m,并根据公式 由第一集合中的数量值为n与m乘积的采样风向角以及监测设备在同样的预设时间区间内根据同样的采样周期获取的采样风速值计算得到第二集合中的m个平均风向角,终端根据得到的m个平均风向角生成与该预置时间区间对应的风向角分布频率图,并判断该风向角分布频率图是否满足预设条件,若是,则该终端确定该预设时间区间为目标时间区间。本申请实施例通过预设算法将监测设备采集的原始的采样风向角计算得到平均风向角,并将得到的平均风向角生成风向角分布频率图,从而可以客观、形象地体现出监测设备记录的采样风向角,并据此确定目标时间区间对采样风向角进行更有统计意义的分析,尤其是对基于采用风向角得到的目标数据进行更有统计意义的分析。
图1、图2以及图4对本申请实施例中时间区间的确定方法进行了说明,并通过图3对应的应用场景图对时间区间的确定方法进行了详细说明,下面对本申请实施例中的相关设备进行说明,该相关设备包括终端,具体请参阅图5,本申请实施例中终端的一个实施例包括:
第一获取单元501,用于获取采样风向角的第一集合,该采样风向角由监测设备根据预设采样周期进行采样得到,该第一集合包括所述监测设备在预设时间区间内获取的该采样风向角,该采样风向角的角度范围在0到2π之间;
运算单元502,用于根据预设算法由该采样风向角计算得到平均风向角;
第二获取单元503,用于获取第二集合,该第二集合包括该监测设备在该预设时间区间内获取的该平均风向角;
生成单元504,用于根据该第二集合生成风向角分布频率图,该风向角分布频率图包括风向角的覆盖角度以及风向角频率值,该风向角分布频率图与该预设时间区间对应;
判断单元505,用于判断该风向角分布频率图是否满足预设条件;
确定单元506,用于当该判断单元505确定该风向角分布频率图满足预设条件时,确定该预设时间区间为目标时间区间。
在本申请实施例中,第一获取单元501获取由监测设备采样得到的预置时间区间内的采样风向角的第一集合,运算单元502则根据预置算法由该采样风向角计算得到平均风向角,并由第二获取单元503获取平均风向角的第二集合,生成单元504再根据得到的平均风向角生成与该预置时间区间对应的风向角分布频率图,判断单元505判断该风向角分布频率图是否满足预设条件,若是,则确定单元506确定该预设时间区间为目标时间区间。本申请实施例通过预设算法将监测设备采集的原始的采样风向角计算得到平均风向角,并将得到的平均风向角生成风向角分布频率图,从而可以客观、形象地体现出监测设备记录的采样风向角,并据此确定目标时间区间对采样风向角进行更有统计意义的分析,尤其是对基于采用风向角得到的目标数据进行更有统计意义的分析。
当终端确定风向角分布频率图不满足预设条件时,将对该预设时间区间进行更新操作,具体请参阅图6,本申请实施例中终端的另一实施例包括:
第一获取单元601、运算单元602、第二获取单元603、生成单元604、判断单元605、确定单元606以及更新单元607;
本申请实施例中的第一获取单元601、运算单元602、第二获取单元603、生成单元604、判断单元605、确定单元606与图5对应的实施例中的第一获取单元501、运算单元502、第二获取单元503、生成单元504、判断单元505、确定单元506的功能类似,此处不再赘述;
更新单元607,用于当判断单元605确定该风向角分布频率图不满足预设条件时,对该预设时间区间进行更新操作,直至与该预设时间区间对应的该风向角分布频率图满足该预设条件,该更新操作为延长该预设时间区间。
需要说明的是,本申请实施例中的运算单元602还可以进一步包括:
预设子单元6021,用于预设正整数值n以及正整数值m,该m与该n的乘积为该第一集合中的该采样风向角的数量值;
或,
第二计算单元6023,用于根据公式计算得到该平均风向角,为该平均风向角,A1、A2、…、An为该第一集合中连续n个预设采样周期内该监测设备获取的连续n个采样风向角,M1、M2、…、Mn为同一个该连续n个采样周期内该监测设备获取的连续n个采样风速值,该风速值与该采样风向角一一对应,当时,y=0,当时,y=π。
还需要说明的是,本申请实施例中的判断单元605也可以进一步包括:
第一判断子单元6051,用于判断该风向角分布频率图中的风向角的覆盖角度是否不小于第一预设值,当该第一判断子单元6051确定该风向角分布频率图中的风向角的覆盖角度不小于第一预设值时,则触发确定子单元6053执行相应操作;
和/或,
第二判断子单元6052,用于判断该风向角分布频率图中的风向角频率值是否不低于第二预设值,当该第二判断子单元6052确定该风向角分布频率图中的风向角频率值不低于第二预设值时,则触发确定子单元6053执行相应操作;
确定子单元6053,用于确定该风向角分布频率图满足预设条件。
图5以及图6对应的实施例中的终端具体的功能以及结构用于实现前述图1、图2以及图4所示实施例中由终端进行处理的步骤,此处不再赘述。
如图7所示,为本申请实施例中终端的一个实施例示意图,包括:
该终端可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(英文缩写:CPU,英文全称:Central Processing Units)722(例如,一个或一个以上处理器)和存储器732,一个或一个以上存储应用程序742或数据744的存储介质730(例如一个或一个以上海量存储设备)。其中,存储器732和存储介质730可以是短暂存储或持久存储。存储在存储介质730的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对终端中的一系列指令操作。更进一步地,中央处理器722可以设置为与存储介质730通信,在终端上执行存储介质730中的一系列指令操作。
该终端还可以包括一个或一个以上电源726,一个或一个以上有线或无线网络接口750,一个或一个以上输入输出接口758,和/或,一个或一个以上操作系统741,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等。
上述图1、图2以及图4所描述的时间区间的确定方法中的步骤由终端基于该图7所示的结构实现。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请图1、图2以及图4所对应的实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文缩写:ROM,英文全称:Read-Only Memory)、随机存取存储器(英文缩写:RAM,英文全称:Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (5)
1.一种时间区间的确定方法,其特征在于,包括:
终端获取采样风向角的第一集合,所述采样风向角由监测设备根据预设采样周期进行采样得到,所述第一集合包括所述监测设备在预设时间区间内获取的所述采样风向角,所述采样风向角的角度范围在0到2π之间;
所述终端根据预设算法由所述采样风向角计算得到平均风向角,并获取第二集合,所述第二集合包括所述监测设备在所述预设时间区间内获取的所述平均风向角,具体为所述终端预设正整数值n以及正整数值m,所述m与所述n的乘积为所述第一集合中的所述采样风向角的数量值,所述终端根据计算公式或计算公式计算得到所述平均风向角,为所述平均风向角,A1、A2、…、An为所述第一集合中连续n个所述预设采样周期内所述监测设备获取的连续n个所述采样风向角,M1、M2、…、Mn为同一个所述连续n个所述采样周期内所述监测设备获取的连续n个采样风速值,所述采样风速值与所述采样风向角一一对应,当时,x=0,当时,x=π,或,当时,y=0,当时,y=π,所述终端在所述预设时间区间内根据所述公式得到m个所述平均风向角,所述m个所述平均风向角构成所述第二集合;
所述终端根据所述第二集合生成风向角分布频率图,所述风向角分布频率图包括风向角的覆盖角度以及风向角频率值,所述风向角分布频率图与所述预设时间区间对应;
所述终端判断所述风向角分布频率图是否满足预设条件;
若是,则所述终端确定所述预设时间区间为目标时间区间。
2.根据权利要求1所述的方法,其特征在于,所述终端判断所述风向角分布频率图是否满足预设条件包括:
所述终端判断所述风向角分布频率图中的风向角的覆盖角度是否不小于第一预设值;
和/或,
所述终端判断所述风向角分布频率图中的风向角频率值是否不低于第二预设值;
若是,则所述终端确定所述风向角分布频率图满足预设条件。
4.一种终端,其特征在于,包括:
第一获取单元,用于获取采样风向角的第一集合,所述采样风向角由监测设备根据预设采样周期进行采样得到,所述第一集合包括所述监测设备在预设时间区间内获取的所述采样风向角,所述采样风向角的角度范围在0到2π之间;
运算单元,用于根据预设算法由所述采样风向角计算得到平均风向角,具体用于预设正整数值n以及正整数值m,所述m与所述n的乘积为所述第一集合中的所述采样风向角的数量值,根据计算公式或计算公式计算得到所述平均风向角,为所述平均风向角,A1、A2、…、An为所述第一集合中连续n个所述预设采样周期内所述监测设备获取的连续n个所述采样风向角,M1、M2、…、Mn为同一个所述连续n个所述采样周期内所述监测设备获取的连续n个采样风速值,所述采样风速值与所述采样风向角一一对应,当时,x=0,当时,x=π,或,当时,y=0,当时,y=π,所述终端在所述预设时间区间内根据所述公式得到m个所述平均风向角,所述m个所述平均风向角构成第二集合,所述第二集合包括所述监测设备在所述预设时间区间内获取的所述平均风向角;
第二获取单元,用于获取所述第二集合;
生成单元,用于根据所述第二集合生成风向角分布频率图,所述风向角分布频率图包括风向角的覆盖角度以及风向角频率值,所述风向角分布频率图与所述预设时间区间对应;
判断单元,用于判断所述风向角分布频率图是否满足预设条件;
确定单元,用于当所述判断单元确定所述风向角分布频率图满足预设条件时,确定所述预设时间区间为目标时间区间。
5.根据权利要求4所述的终端,其特征在于,所述判断单元包括:
第一判断子单元,用于判断所述风向角分布频率图中的风向角的覆盖角度是否不小于第一预设值,当所述第一判断子单元确定所述风向角分布频率图中的风向角的覆盖角度不小于第一预设值时,则触发确定子单元执行相应操作;
和/或,
第二判断子单元,用于判断所述风向角分布频率图中的风向角频率值是否不低于第二预设值,当所述第二判断子单元确定所述风向角分布频率图中的风向角频率值不低于第二预设值时,则触发确定子单元执行相应操作;
确定子单元,用于确定所述风向角分布频率图满足预设条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710846400.8A CN107609280B (zh) | 2017-09-15 | 2017-09-15 | 一种时间区间的确定方法以及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710846400.8A CN107609280B (zh) | 2017-09-15 | 2017-09-15 | 一种时间区间的确定方法以及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107609280A CN107609280A (zh) | 2018-01-19 |
CN107609280B true CN107609280B (zh) | 2021-03-02 |
Family
ID=61060894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710846400.8A Active CN107609280B (zh) | 2017-09-15 | 2017-09-15 | 一种时间区间的确定方法以及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107609280B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109697317B (zh) * | 2018-12-21 | 2020-12-01 | 天津同阳科技发展有限公司 | 计算风向的装置及方法 |
CN110658307A (zh) * | 2019-10-12 | 2020-01-07 | 江苏省常州环境监测中心 | 评估污染源对环境空气质量影响的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008309097A (ja) * | 2007-06-15 | 2008-12-25 | Ebara Corp | 風力発電設備及び風力発電用風車制御方法 |
CN103605912A (zh) * | 2013-12-10 | 2014-02-26 | 武汉大学 | 一种风电场功率外特性建模方法 |
CN104834793A (zh) * | 2015-05-26 | 2015-08-12 | 河海大学 | 一种多风电场风速数据的模拟生成方法 |
CN106227998A (zh) * | 2016-07-15 | 2016-12-14 | 华北电力大学 | 一种基于优化时间窗口的风资源评估方法 |
-
2017
- 2017-09-15 CN CN201710846400.8A patent/CN107609280B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008309097A (ja) * | 2007-06-15 | 2008-12-25 | Ebara Corp | 風力発電設備及び風力発電用風車制御方法 |
CN103605912A (zh) * | 2013-12-10 | 2014-02-26 | 武汉大学 | 一种风电场功率外特性建模方法 |
CN104834793A (zh) * | 2015-05-26 | 2015-08-12 | 河海大学 | 一种多风电场风速数据的模拟生成方法 |
CN106227998A (zh) * | 2016-07-15 | 2016-12-14 | 华北电力大学 | 一种基于优化时间窗口的风资源评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107609280A (zh) | 2018-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114022052B (zh) | 水质异常监测方法、装置、存储介质及计算机设备 | |
CN108489875B (zh) | 一种基于时段统计分析的污染物溯源系统及方法 | |
CN110426493B (zh) | 空气质量监测数据校准方法、装置、设备和存储介质 | |
CN107609280B (zh) | 一种时间区间的确定方法以及终端 | |
CN103245757A (zh) | 气体环境应急检测系统 | |
Giordano et al. | A missing source of aerosols in Antarctica–beyond long-range transport, phytoplankton, and photochemistry | |
CN113655175A (zh) | 一种网格化空气监测方法、系统、计算机设备及存储介质 | |
CN205080114U (zh) | 一种基于卫星定位的便携式污染源监测系统 | |
CN108562698A (zh) | 一种大数据空气质量指标信息处理系统 | |
CN115983725B (zh) | 一种基于移动站监测数据的污染物空间分布趋势挖掘方法 | |
CN107656298B (zh) | 一种获取方位信息的方法及相关设备 | |
CN116644957A (zh) | 一种基于气象和环境监测数据的城市空气污染预警方法 | |
Zhang et al. | Characteristics of chemical composition and role of meteorological factors during heavy aerosol pollution episodes in northern Beijing area in autumn and winter of 2015 | |
CN104602297B (zh) | 基于压缩感知的无线传感器网络监测方法及系统 | |
CN108051346A (zh) | 一种基于无人机的pm2_5及其前体物监测系统 | |
CN114659993A (zh) | 一种基于卫星遥感的温室气体排放检测系统 | |
CN113917093A (zh) | 一种基于无线网络的空气质量监控系统 | |
CN107831699A (zh) | 一种智能数据采集分析方法和系统 | |
Padilla et al. | Air quality prediction using recurrent air quality predictor with ensemble learning | |
CN116050649A (zh) | 一种基于Calpuff模型的大气污染溯源系统及方法 | |
Othman et al. | Haze monitoring system in city of kuala lumpur using zigbee wireless technology implementation | |
Shi et al. | Research on Air Quality Monitoring System Based on STM32 Single Chip Microcomputer | |
Branzila et al. | Virtual instrument developed for adcon weather station | |
CN107576814A (zh) | 一种基于风速区间的数据校正方法以及终端 | |
CN112949964A (zh) | 企业排污监测方法、装置、系统和存储介质 |
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 |