CN108120803B - 一种空气负氧离子浓度在线监测方法及其装置 - Google Patents
一种空气负氧离子浓度在线监测方法及其装置 Download PDFInfo
- Publication number
- CN108120803B CN108120803B CN201711384350.2A CN201711384350A CN108120803B CN 108120803 B CN108120803 B CN 108120803B CN 201711384350 A CN201711384350 A CN 201711384350A CN 108120803 B CN108120803 B CN 108120803B
- Authority
- CN
- China
- Prior art keywords
- negative oxygen
- oxygen ion
- measurement data
- current negative
- threshold
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—Specially adapted to detect a particular component
Abstract
本发明提供了一种空气负氧离子浓度在线监测方法及其装置,其中所述方法包括:采集当前负氧离子测量数据;确认所述当前负氧离子测量数据中的众数,并根据所述众数计算得出所述当前负氧离子浓度。本发明通过对采集到的当前负氧离子测量数据根据众数评估算法得出当前负氧离子浓度,从而使采集到的数据经常存在不稳定、不断出现数值跃迁的情况下,获得更加精确、更加稳定的当前负氧离子浓度数据,极大的降低数据误差,提高了数据的可信度,使空气质量监测的工作人员可以实时的准确有效的掌握当前的空气质量情况,给空气质量监测工作带来方便。
Description
技术领域
本发明涉及空气质量监测技术领域,更具体地说,涉及一种空气负氧离子浓度在线监测方法及其装置。
背景技术
负氧离子被誉为“空气维生素”,高浓度的负氧离子有益身心健康,因此空气负氧离子浓度是评判空气新鲜程度和人居环境的正向指标。许多旅游景点如山谷、森林、海滨等大打“负氧离子”牌,高负氧离子浓度成为许多景区的名片。因此空气中负氧离子浓度的监测具有广阔的市场前景。
在环境评价体系中空气负氧离子浓度已列为衡量空气质量的一个重要参数。空气负氧离子是一种重要的可持续利用的新兴生态旅游资源。但是目前负氧离子浓度的测试设备不成熟,评价标准不完善,国内外尚无统一的标准。
空气湿度是影响负氧离子监测仪表性能的重要参数,过高的湿度会导致设备读数时常甚至设备损坏。目前市面上的负氧离子监测系统不具备自动驱潮,容易导致仪表故障。
目前,现有负氧离子在线监测系统由于湿度等因素的影响导致读数波动较大,数据分散程度较大,短时间波动范围达到几百甚至上千,巨大的数据误差导致最终负氧离子在线监测系统获得的测试结果与真实值相差甚远且可信度不高,使空气质量监测的工作人员无法准确有效的掌握当前的空气质量情况,给空气质量监测工作带来很大的不便。
发明内容
有鉴于此,本发明要解决的技术问题在于克服现有技术中目前,现有负氧离子在线监测系统由于湿度等因素的影响导致读数波动较大,数据分散程度较大的缺陷。
为实现上述目的,本发明提供一种空气负氧离子浓度在线监测方法,包括以下步骤:
采集当前负氧离子测量数据;
确认所述当前负氧离子测量数据中的众数,并根据所述众数计算得出所述当前负氧离子浓度。
优选地,所述“确认所述当前负氧离子测量数据中的众数,并根据所述众数计算得出所述当前负氧离子浓度”包括:
判断所述当前负氧离子测量数据中的所述众数出现的次数是否超出第一阈值;
若所述当前负氧离子测量数据中的所述众数出现的次数超出所述第一阈值,则判断所述众数的个数是否超出第二阈值;
若所述众数的个数超出所述第二阈值,则以所有众数的平均值为所述当前负氧离子浓度。
优选地,所述“判断所述当前负氧离子测量数据中的所述众数出现的次数是否超出第一阈值”之后,还包括:
若所述当前负氧离子测量数据中的所述众数出现的次数不超出所述第一阈值,则以所有所述当前负氧离子测量数据的平均值为所述当前负氧离子浓度。
优选地,所述“若所述当前负氧离子测量数据中的所述众数出现的次数超出所述第一阈值,则判断所述众数的个数是否超出第二阈值”之后,还包括:
若所述众数的个数不超出所述第二阈值,则判断所述众数的个数是否等于所述第二阈值;
若所述众数的个数等于所述第二阈值,则以所述众数的平均值为所述当前负氧离子浓度。
优选地,所述“若所述众数的个数不超出所述第二阈值,则判断所述众数的个数是否等于所述第二阈值”之后,还包括:
若所述众数的个数不等于所述第二阈值,则以采集到的当前负氧离子测量数据的平均值为当前负氧离子浓度。
优选地,所述“采集当前负氧离子测量数据”之后,还包括:
判断所述当前负氧离子测量数据中是否有与预设异常阈值匹配的异常数据;
若所述当前负氧离子测量数据中有与预设异常阈值匹配的异常数据,则将所述与预设异常阈值匹配的异常数据删除,以便于对当前负氧离子测量数据中的所述异常数据以外的数据进行确认其中的众数。
优选地,所述预设异常阈值包括0值和超量程值。
优选地,所述“采集当前负氧离子测量数据”之后,还包括:
判断所述当前负氧离子测量数据的标准偏差是否大于预设偏差阈值;
若所述当前负氧离子测量数据的标准偏差大于预设偏差阈值,则删除所有采集到的所述当前负氧离子测量数据,并重新采集当前负氧离子测量数据。
此外,为解决上述问题,本发明还提供一种空气负氧离子浓度在线监测装置,所述空气负氧离子浓度在线监测装置包括存储器、处理器及存储在存储器上并可在所述处理器上运行的空气负氧离子浓度在线监测程序,所述空气负氧离子浓度在线监测程序被处理器执行时实现如上述所述空气负氧离子浓度在线监测方法的步骤。
此外,为解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有空气负氧离子浓度在线监测程序,所述空气负氧离子浓度在线监测程序被处理器执行时实现如上述所述空气负氧离子浓度在线监测方法的步骤。
本发明提供的一种空气负氧离子浓度在线监测方法及其装置,其中,所述方法通过如下方式实现:采集当前负氧离子测量数据;确认所述当前负氧离子测量数据中的众数,并根据所述众数计算得出所述当前负氧离子浓度。本发明通过对采集到的当前负氧离子测量数据根据众数评估算法得出当前负氧离子浓度,从而使采集到的数据经常存在不稳定、不断出现数值跃迁的情况下,获得更加精确、更加稳定的当前负氧离子浓度数据,极大的降低数据误差,提高了数据的可信度,使空气质量监测的工作人员可以实时的准确有效的掌握当前的空气质量情况,给空气质量监测工作带来方便。
附图说明
图1为本发明空气负氧离子浓度在线监测方法第一实施例的流程示意图;
图2为本发明空气负氧离子浓度在线监测方法第二实施例的流程示意图;
图3为本发明空气负氧离子浓度在线监测方法第三实施例的流程示意图;
图4为本发明空气负氧离子浓度在线监测方法第四实施例的流程示意图;
图5为本发明空气负氧离子浓度在线监测方法第五实施例的流程示意图;
图6为本发明空气负氧离子浓度在线监测方法第六实施例的流程示意图;
图7为本发明空气负氧离子浓度在线监测方法第七实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面详细描述本发明的实施例,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。
在本发明的描述中,需要理解的是,术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于实施例所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1:
参照图1,本发明的第一实施例提供一种空气负氧离子浓度在线监测方法,包括:
步骤S10,采集当前负氧离子测量数据;
上述,需要理解的是,空气是混合物,由多种分子构成,由于自然界的宇宙射线、紫外线、土壤和空气放射线的影响,空气中的有些分子就释放出电子,阴离子。空气分子在高压或强射线的作用下被电离所产生的自由电子大部分被氧气所获得,因而,常常把空气负离子统称为“负氧离子”,负氧离子带负电,它无色无味。根据医学资料显示,空气负氧离子被誉为空气中的维生素,能降解中和空气中的有害气体。调节人体生理机能、消除疲劳、改善睡眠、预防呼吸道疾病、改善心脑血管疾病、降血压、增进人的食欲、增强皮肤弹性。所以,对于空气质量来说,负氧离子是其中的重要指标之一,对于空气中的负氧离子的监测尤为重要。
上述,采集当前负氧离子测量数据,可通过与本实施例中所提供的方法基于的装置、设备或系统与检测终端进行连接配对后,通过包括但不限于有线、无线、3G、4G等的网络连接方式进行数据传输,来获取检测终端的测量数据;其中,检测终端可包括多种检测传感器,用于获取不同的空气质量检测数据。
步骤S20,确认所述当前负氧离子测量数据中的众数,并根据所述众数计算得出所述当前负氧离子浓度。
上述,需要理解的是,众数(Mode)是统计学名词,是一组数据中出现次数最多的数值,叫众数,有时众数在一组数中有好几个。用M表示。简单的说,就是一组数据中占比例最多的那个数。
一组数据可以有多个众数,也可以没有众数。众数是由英国统计学家皮尔生首先提出来的。所谓众数有时也指社会经济现象中最普遍出现的标志值。从分布角度看,众数是具有明显集中趋势的数值在本实施例中,众数指一组数据中出现次数最多的数值。
例如,A组数据如下所示:1、2、2、2、5、7、4;
则A组数据的众数为2。
再例如,B组数据如下所示:1,2、2、2、3、3、4;
则B组数据的众数为2.
上述,本实施例采用的众数评估算法对采集到的当前负氧离子测量数据进行分析计算,通过众数评估算法得出最终的当前负氧离子浓度。其中,众数评估算法包括多种算法,例如对单项数列提取众数并求均值,对多项数列进行众数排序并求均值,对单项数列众数进行加权平均,对多项数列进行众数次数分析,再进行对每个众数的加权平均等等。通过众数评估法,可筛选出采集到的所有数据中的一定程度上保持稳定数据,从而进一步通过保持稳定的数据进行分析计算,从而得到更加接近真实值的、更加稳定的、误差更加小的当前负氧离子浓度检测结果。
本实施例通过对采集到的当前负氧离子测量数据根据众数评估算法得出当前负氧离子浓度,从而使采集到的数据经常存在不稳定、不断出现数值跃迁的情况下,获得更加精确、更加稳定的当前负氧离子浓度数据,极大的降低数据误差,提高了数据的可信度,使空气质量监测的工作人员可以实时的准确有效的掌握当前的空气质量情况,给空气质量监测工作带来方便。
实施例2:
参照图2,本发明第二实施例提供一种空气负氧离子浓度在线监测方法,基于上述图2所示的第一实施例,所述“确认所述当前负氧离子测量数据中的众数,并根据所述众数计算得出所述当前负氧离子浓度”包括:
步骤S21,判断所述当前负氧离子测量数据中的所述众数出现的次数是否超出第一阈值;
在采集到所述当前负氧离子测量数据后,对所述当前负氧离子测量数据进行众数评估算法,即为对所述当前负氧离子测量数据中的所述众数出现的次数是否超出第一阈值进行判断。
上述,所述众数出现的次数为众数在一列或一项数据中所出现的次数。
例如,C组数据为如下所示:
C组数据:1、2、2、2、7、4;
其中,C组数据的众数为2,其众数出现的次数为3。
上述,第一阈值在本实施例中可以为3,即为,判断所述当前负氧离子测量数据中的所述众数出现的次数是否超出3。
步骤S22,若所述当前负氧离子测量数据中的所述众数出现的次数超出所述第一阈值,则判断所述众数的个数是否超出第二阈值;
上述,众数的个数是指众数出现次数最多的数值的个数。
例如,D组数据如下所示:
D组数据:1、2、2、2、3、3、4;
则D组数据的众数为2,个数为1;
再例如,E组数据如下所示:
E组数据:1、2、2、3、3、4;
则E组数据的众数为2和3,众数的个数为2。
上述,在判断当前负氧离子测量数据中的众数出现的次数超出所述第一阈值后,进一步进行判断所述众数的个数是否超出第二阈值;例如,在本实施例中,第一阈值可以为3,第二阈值可以为1,则该步骤为:
若所述当前负氧离子测量数据中的所述众数出现的次数超出3,则判断所述众数的个数是否超出1。
步骤S23,若所述众数的个数超出所述第二阈值,则以所有众数的平均值为所述当前负氧离子浓度。
如果众数的个数超出第二阈值,则对采集到的当前负氧离子测量数据中的所有的众数的平均值作为所述当前负氧离子浓度。
例如,F组数据:1、2、2、2、2、3、3、3、3、4;
其中,众数为2和3;
众数出现的次数为:4;
众数的个数为:2;
所以第一步,判断所述当前负氧离子测量数据中的所述众数出现的次数4超出第一阈值3;
则进行第二步,判断所述众数的个数是否超出第二阈值,判断结果为个数2超出第二阈值1,则以所有众数的平均值作为所述当前负氧离子浓度。即为(2+3)/2=2.5,最终的当前负氧离子浓度即为2.5。
实施例3:
参照图3,本发明第三实施例提供一种空气负氧离子浓度在线监测方法,基于上述图2所示的第三实施例,所述“判断所述当前负氧离子测量数据中的所述众数出现的次数是否超出第一阈值”之后,还包括:
步骤S24,若所述当前负氧离子测量数据中的所述众数出现的次数不超出所述第一阈值,则以所有所述当前负氧离子测量数据的平均值为所述当前负氧离子浓度。
上述,若众数出现次数不超出第一阈值,则以采集到的所有的当前负氧离子测量数据的平均值作为当前负氧离子浓度。在本实施例中,第一阈值可以为3。
例如,G组数据:1、5、5、6、6、4;
其中,众数为5和6;
众数出现的次数为:2;
众数的个数为:2;
通过判断,众数出现的次数为2小于第一阈值3,则以以采集到的所有的当前负氧离子测量数据的平均值作为当前负氧离子浓度,即为(1+5+5+6+6+4)/6=4.5,则当前负氧离子浓度为4.5。
实施例4:
参照图4,本发明第四实施例提供一种空气负氧离子浓度在线监测方法,基于上述图3所示的第三实施例,所述“若所述当前负氧离子测量数据中的所述众数出现的次数超出所述第一阈值,则判断所述众数的个数是否超出第二阈值”之后,还包括:
步骤S25,若所述众数的个数不超出所述第二阈值,则判断所述众数的个数是否等于所述第二阈值;
不超出第二阈值包括等于第二阈值和小于第二阈值两种情况,如果众数出现的次数不超出第二阈值,则对是否等于第二阈值进行判断。
步骤S26,若所述众数的个数等于所述第二阈值,则以所述众数的平均值为所述当前负氧离子浓度。
步骤S27,若所述众数的个数不等于所述第二阈值,则以采集到的当前负氧离子测量数据的平均值为当前负氧离子浓度。
如果众数不超出第二阈值,则进行判断众数与第二阈值的对比情况,是否等于或小于第二阈值。在本实施例中,第二阈值可以为1,即为,若所述众数的个数不超出所述第二阈值1,则判断所述众数的个数是否等于所述第二阈值1;若所述众数的个数等于所述第二阈值1,则以所述众数的平均值为所述当前负氧离子浓度;若所述众数的个数不等于所述第二阈值1,则以采集到的当前负氧离子测量数据的平均值为当前负氧离子浓度。
例如,第二阈值为1,G组数据:1、7、7、7、7、4;
其中,众数为7;
众数出现的次数为:4;
众数的个数为:1;
在众数个数不超出1时,判断个数是否等于1,结果为G组数据众数个数为1,则以所述众数的平均值为所述当前负氧离子浓度,即为,7。
再例如,第二阈值为1,H组数据:1、7、6、5、3、4;
其中,
众数的个数为:0;
则在众数个数不超过1时,判断个数是否等于1,F组数据的众数的个数为0,不等于1且小于1,则以以采集到的当前负氧离子测量数据的平均值为当前负氧离子浓度,即为,(1+7+6+5+3+4)/6≈4.33(保留小数点后两位数据),则最终或得到的当前负氧离子浓度为4.33。
此外,在不同情况下第二阈值也可以设置为其他数值,例如2,具体可以通过在计算中取相应数据的均值的方法进行计算。
实施例5:
参照图5,本发明第五实施例提供一种空气负氧离子浓度在线监测方法,基于上述图1所示的第一实施例,所述“采集当前负氧离子测量数据”之后,还包括:
步骤S30,判断所述当前负氧离子测量数据中是否有与预设异常阈值匹配的异常数据;
上述,在对数据进行采集后,判断其中是否存在异常数据,即为当前负氧离子测量数据中是否存在与预设异常阈值匹配的异常数据。匹配方式可以包括但不限于测量数据在预设异常阈值范围内、测量数据与预设异常阈值相等等方式。
步骤S40,若所述当前负氧离子测量数据中有与预设异常阈值匹配的异常数据,则将所述与预设异常阈值匹配的异常数据删除,以便于对当前负氧离子测量数据中的所述异常数据以外的数据进行确认其中的众数。
所述预设异常阈值包括0值和超量程值。
如果判断当前负氧离子测量数据中存在与预设异常阈值匹配的异常数据,则判断存在异常值,进而自动剔除异常值,将异常数据删除,使异常数据不参与进一步的数据统计。
此外,如果不存在与预设异常阈值匹配的异常数值,则表示未见异常,数值均为正常可用数据,则该次获取到的数据均可参与进一步的数据统计。
例如,在本实施例中,预设异常阈值包括0和超量程值1×105个/cm3,获取到的数据中包括0,以及超量程数据,则将相关的异常数据删除。
实施例6:
参照图6,本发明第六实施例提供一种空气负氧离子浓度在线监测方法,基于上述图1所示的第一实施例,所述“采集当前负氧离子测量数据”之后,还包括:
步骤S50,判断所述当前负氧离子测量数据的标准偏差是否大于预设偏差阈值;
上述,需要理解的是,标准偏差(StdDev,Standard Deviation)为统计学名词。一种量度数据分布的分散程度之标准,用以衡量数据值偏离算术平均值的程度。标准偏差越小,这些值偏离平均值就越少,反之亦然。标准偏差的大小可通过标准偏差与平均值的倍率关系来衡量。
标准偏差也被称为标准差,标准差(Standard Deviation)描述各数据偏离平均数的距离(离均差)的平均数,它是离差平方和平均后的方根,用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度,标准偏差越小,这些值偏离平均值就越少,反之亦然。标准偏差的大小可通过标准偏差与平均值的倍率关系来衡量。平均数相同的两个数据集,标准差未必相同。
例如,A、B两组各有6位学生参加同一次语文测验,A组的分数为95、85、75、65、55、45,B组的分数为73、72、71、69、68、67。这两组的平均数都是70,但A组的标准差应该是18.708分,B组的标准差应该是2.366分,说明A组学生之间的差距要比B组学生之间的差距大得多。
步骤S60,若所述当前负氧离子测量数据的标准偏差大于预设偏差阈值,则删除所有采集到的所述当前负氧离子测量数据,并重新采集当前负氧离子测量数据。
上述,如果出现所采集的当前负氧离子测量数据大于预设偏差阈值,则说明所采集的数据的离散程度过大,导致数据稳定性低。则删除当前数据,并重新对测量数据进行获取。
例如,预设偏差阈值为25;
采集到I组数据100、3、5、20、20、25、1,计算标准偏差STD为30.8058436,则超过了预设偏差阈值,表明当前数据离散程度过大,数据稳定性偏低,导致数据可信度低,可能传感器或相关设备存在问题,需要进一步排查,则将当前数据进行删除并重新获取,不采用当前采集的数据进行统计分析。
再例如,预设偏差阈值为5;
采集到J组数据为5、6、5、4、6、7、9,计算标准偏差STD为1.452368755,小于预设偏差阈值,则表明当前数据离散程度小,数据比较稳定,可信度高,仪器稳定性较好,可进行进一步的数据统计分析。
实施例7:
参照图7,为了更好的理解本发明所提供技术方案,本实施例提出一种空气负氧离子浓度在线监测方法,包括如下步骤:
1、开始,负氧离子监测系统上电启动;
2、数据采集指数据采集仪开始采集负氧离子监测仪传输的实时测量数据;
3、判断是否为异常值;
4、异常值包括0值和超量程值,本仪表的量程为1×105个/cm3;
5、如果判断为异常值,则数采仪中的软件会自动剔除异常值,不参与结果统计;
6、如果判断不为异常值,则该数据参与数据统计;
7、当采集的数据中众数出现的次数不大于3次时,以所有有效数值的平均值为最终浓度;
8、当采集的数据中众数的个数大于1个时,以所有众数的平均值为最终浓度值;
9、当采集的数据中众数的个数为1个时,以该众数的数值为最终浓度值;
12、系统根据本算法求得空气负氧离子的浓度值。
本实施例通过对采集到的当前负氧离子测量数据根据众数评估算法得出当前负氧离子浓度,从而使采集到的数据经常存在不稳定、不断出现数值跃迁的情况下,获得更加精确、更加稳定的当前负氧离子浓度数据,极大的降低数据误差,提高了数据的可信度,使空气质量监测的工作人员可以实时的准确有效的掌握当前的空气质量情况,给空气质量监测工作带来方便。
此外,本发明还提供一种空气负氧离子浓度在线监测装置,所述空气负氧离子浓度在线监测装置包括存储器、处理器及存储在存储器上并可在所述处理器上运行的空气负氧离子浓度在线监测程序,所述空气负氧离子浓度在线监测程序被处理器执行时实现如上述所述空气负氧离子浓度在线监测方法的步骤。
此外,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有空气负氧离子浓度在线监测程序,所述空气负氧离子浓度在线监测程序被处理器执行时实现如上述所述空气负氧离子浓度在线监测方法的步骤。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种空气负氧离子浓度在线监测方法,其特征在于,包括以下步骤:
采集当前负氧离子测量数据;
确认所述当前负氧离子测量数据中的众数,并根据所述众数计算得出所述当前负氧离子浓度,包括:
判断所述当前负氧离子测量数据中的所述众数出现的次数是否超出第一阈值;
若所述当前负氧离子测量数据中的所述众数出现的次数超出所述第一阈值,则判断所述众数的个数是否超出第二阈值;
若所述众数的个数超出所述第二阈值,则以所有众数的平均值为所述当前负氧离子浓度。
2.如权利要求1所述空气负氧离子浓度在线监测方法,其特征在于,所述“判断所述当前负氧离子测量数据中的所述众数出现的次数是否超出第一阈值”之后,还包括:
若所述当前负氧离子测量数据中的所述众数出现的次数不超出所述第一阈值,则以所有所述当前负氧离子测量数据的平均值为所述当前负氧离子浓度。
3.如权利要求2所述空气负氧离子浓度在线监测方法,其特征在于,所述“若所述当前负氧离子测量数据中的所述众数出现的次数超出所述第一阈值,则判断所述众数的个数是否超出第二阈值”之后,还包括:
若所述众数的个数不超出所述第二阈值,则判断所述众数的个数是否等于所述第二阈值;
若所述众数的个数等于所述第二阈值,则以所述众数的平均值为所述当前负氧离子浓度。
4.如权利要求3所述空气负氧离子浓度在线监测方法,其特征在于,所述“若所述众数的个数不超出所述第二阈值,则判断所述众数的个数是否等于所述第二阈值”之后,还包括:
若所述众数的个数不等于所述第二阈值,则以采集到的当前负氧离子测量数据的平均值为当前负氧离子浓度。
5.如权利要求1所述空气负氧离子浓度在线监测方法,其特征在于,所述“采集当前负氧离子测量数据”之后,还包括:
判断所述当前负氧离子测量数据中是否有与预设异常阈值匹配的异常数据;
若所述当前负氧离子测量数据中有与预设异常阈值匹配的异常数据,则将所述与预设异常阈值匹配的异常数据删除,以便于对当前负氧离子测量数据中的所述异常数据以外的数据进行确认其中的众数。
6.如权利要求5所述空气负氧离子浓度在线监测方法,其特征在于,所述预设异常阈值包括0值和超量程值。
7.如权利要求1所述空气负氧离子浓度在线监测方法,其特征在于,所述“采集当前负氧离子测量数据”之后,还包括:
判断所述当前负氧离子测量数据的标准偏差是否大于预设偏差阈值;
若所述当前负氧离子测量数据的标准偏差大于预设偏差阈值,则删除所有采集到的所述当前负氧离子测量数据,并重新采集当前负氧离子测量数据。
8.一种空气负氧离子浓度在线监测装置,其特征在于,所述空气负氧离子浓度在线监测装置包括存储器、处理器及存储在存储器上并可在所述处理器上运行的空气负氧离子浓度在线监测程序,所述空气负氧离子浓度在线监测程序被处理器执行时实现如权利要求1-7任一项所述空气负氧离子浓度在线监测方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有空气负氧离子浓度在线监测程序,所述空气负氧离子浓度在线监测程序被处理器执行时实现如权利要求1-7任一项所述空气负氧离子浓度在线监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711384350.2A CN108120803B (zh) | 2017-12-20 | 2017-12-20 | 一种空气负氧离子浓度在线监测方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711384350.2A CN108120803B (zh) | 2017-12-20 | 2017-12-20 | 一种空气负氧离子浓度在线监测方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108120803A CN108120803A (zh) | 2018-06-05 |
CN108120803B true CN108120803B (zh) | 2020-08-07 |
Family
ID=62230473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711384350.2A Active CN108120803B (zh) | 2017-12-20 | 2017-12-20 | 一种空气负氧离子浓度在线监测方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108120803B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109285313B (zh) * | 2018-08-27 | 2021-10-12 | 广东九联科技股份有限公司 | 一种烟雾报警器的传感器自动校正方法及系统 |
CN111222726B (zh) * | 2018-11-23 | 2022-07-12 | 北京金风科创风电设备有限公司 | 测风数据异常的识别方法和设备 |
CN110887455B (zh) * | 2019-11-20 | 2021-11-19 | 山东农业大学 | 基于众数的树木电子测高仪抖动误差消除方法 |
CN111999435A (zh) * | 2020-08-24 | 2020-11-27 | 浙江省气候中心 | 空气负氧离子监测数据质量管控及相关设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5853751A (ja) * | 1981-09-25 | 1983-03-30 | Toshiba Corp | ガス検出装置 |
US5411644A (en) * | 1993-11-03 | 1995-05-02 | Neukermans; Armand P. | Method of operated dual pump getter and oxidant sensor and regulator |
CN103645444A (zh) * | 2013-12-23 | 2014-03-19 | 中国科学院电工研究所 | 基于众数原理的电池一致性在线评价方法及检测电路 |
CN104198661A (zh) * | 2014-09-15 | 2014-12-10 | 上海市环境科学研究院 | 生态用地空气负氧离子的在线监测方法 |
CN107315673A (zh) * | 2017-06-29 | 2017-11-03 | 努比亚技术有限公司 | 功耗监测方法、移动终端及计算机可读存储介质 |
CN107392965A (zh) * | 2017-07-24 | 2017-11-24 | 王华锋 | 一种基于深度学习和双目立体视觉相结合的测距方法 |
CN107422073A (zh) * | 2017-06-13 | 2017-12-01 | 深圳市易成自动驾驶技术有限公司 | 基于车联网的环境监测方法、系统及计算机可读存储介质 |
-
2017
- 2017-12-20 CN CN201711384350.2A patent/CN108120803B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5853751A (ja) * | 1981-09-25 | 1983-03-30 | Toshiba Corp | ガス検出装置 |
US5411644A (en) * | 1993-11-03 | 1995-05-02 | Neukermans; Armand P. | Method of operated dual pump getter and oxidant sensor and regulator |
CN103645444A (zh) * | 2013-12-23 | 2014-03-19 | 中国科学院电工研究所 | 基于众数原理的电池一致性在线评价方法及检测电路 |
CN104198661A (zh) * | 2014-09-15 | 2014-12-10 | 上海市环境科学研究院 | 生态用地空气负氧离子的在线监测方法 |
CN107422073A (zh) * | 2017-06-13 | 2017-12-01 | 深圳市易成自动驾驶技术有限公司 | 基于车联网的环境监测方法、系统及计算机可读存储介质 |
CN107315673A (zh) * | 2017-06-29 | 2017-11-03 | 努比亚技术有限公司 | 功耗监测方法、移动终端及计算机可读存储介质 |
CN107392965A (zh) * | 2017-07-24 | 2017-11-24 | 王华锋 | 一种基于深度学习和双目立体视觉相结合的测距方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108120803A (zh) | 2018-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108120803B (zh) | 一种空气负氧离子浓度在线监测方法及其装置 | |
CA2097807C (en) | A method and means of determining the health condition of a living creature | |
CN103543191B (zh) | 检验血液凝固特性 | |
CN107003296B (zh) | 溶血检测方法和系统 | |
US6587715B2 (en) | Assessment of organs for transplant, xenotransplant, and predicting time of death | |
EP2651294B1 (en) | System and method of identifying breaths based solely on capnographic information | |
US20130165807A1 (en) | System for the automatic detection of respiratory diseases and for the prediction of future acute airway instabilities | |
DE102015118770A1 (de) | Kombinationsmessgerät zur Messung des Gewichts und mindestens eines weiteren Körperparameters eines Probanden | |
CN111887847A (zh) | 基于人体成分仪的内脏脂肪测量方法、装置、计算机设备和存储介质 | |
US8949072B2 (en) | Novelty detection with missing parameters | |
CN116687363A (zh) | 一种基于穿戴设备的有限空间作业人员身体状况监测系统 | |
CN112842321A (zh) | 基于流量-容积环图的肺通气功能检测方法、设备及介质 | |
Strope et al. | A longitudinal study of spirometry in young black and young white children | |
JPWO2014136704A1 (ja) | 脳機能活動度評価装置及びそれを用いた評価システム | |
CN114186824A (zh) | 车内气味评价模型构建方法和车内气味评价方法 | |
CN106618570B (zh) | 一种基于生物介电谱的皮肤生化指标检测方法及系统 | |
DE102015210622A9 (de) | Nachweisvorrichtung, -verfahren und -programm für biologisches Gas | |
KR101696791B1 (ko) | 흉부임피던스를 이용한 폐기능 모니터링 장치 및 방법 | |
Hurtado et al. | Respiratory volume monitoring: A machine-learning approach to the non-invasive prediction of tidal volume and minute ventilation | |
CA2601919C (en) | Method and apparatus for monitoring a sedated patient | |
US11589775B2 (en) | Alarm limits update system for a medical monitoring device | |
WO2017063598A1 (zh) | 采集光信息的云端处理方法 | |
CN111345814B (zh) | 一种心电信号中心拍的分析方法、装置、设备和存储介质 | |
CN113075360A (zh) | 烟支物理指标综合稳定性测定方法 | |
JP4485515B2 (ja) | 血液分析の性能改良 |
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 |