CN109857976A - 控制站传输影响模型建立方法、装置、设备及存储介质 - Google Patents
控制站传输影响模型建立方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109857976A CN109857976A CN201910041006.6A CN201910041006A CN109857976A CN 109857976 A CN109857976 A CN 109857976A CN 201910041006 A CN201910041006 A CN 201910041006A CN 109857976 A CN109857976 A CN 109857976A
- Authority
- CN
- China
- Prior art keywords
- layer
- control station
- time series
- information
- series data
- 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
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 57
- 231100000719 pollutant Toxicity 0.000 claims abstract description 57
- 238000001514 detection method Methods 0.000 claims abstract description 47
- 230000000694 effects Effects 0.000 claims description 44
- 238000010586 diagram Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 239000003546 flue gas Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供控制站传输影响模型建立方法、装置、设备及存储介质。所述方法包括：基于时序数据信息以及控制站的气象信息确定污染物的最大影响半径,其中所述时序数据信息为所述控制站周围设置的检测设备检测的污染物浓度的时序数据信息；基于所述气象信息、所述时序数据信息与所述最大影响半径，动态生成地理信息序列；基于所述时序数据信息和所述地理信息序列构建控制站传输影响模型。
Description
技术领域
本申请涉及空气质量监测技术领域，具体涉及控制站传输影响模型建立方法、装置、设备及存储介质。
背景技术
国家控制站作为重要的站点进行政策评估和实时监控，常常用来评价当前区域的空气质量，因此对国家控制站是否存在异常高值的早期预警就具有很强的实际意义。
发明人发现，在气象领域，预测方法通常采用数值模式，往往需要较高的计算资源和较长的计算时间，不能使用实时数据进行计算。
发明内容
本申请实施例提供了一种控制站传输影响模型建立方法，其特征在于，包括：基于时序数据信息以及控制站的气象信息确定污染物的最大影响半径,其中所述时序数据信息为所述控制站周围设置的检测设备检测的污染物浓度的时序数据信息；基于所述气象信息、所述时序数据信息与所述最大影响半径，动态生成地理信息序列；基于所述时序数据信息和所述地理信息序列构建控制站传输影响模型。
本申请实施例还提供一种控制站传输影响模型建立装置，其特征在于，包括半径确定模块、地理信息序列获取模块、建模模块，所述半径确定模块，基于时序数据信息以及控制站的气象信息确定污染物的最大影响半径,其中所述时序数据信息为所述控制站周围设置的检测设备检测的污染物浓度的时序数据信息；所述地理信息序列获取模块，基于所述气象信息、所述时序数据信息与所述最大影响半径，动态生成地理信息序列；所述建模模块，基于所述时序数据信息和所述地理信息序列构建控制站传输影响模型。
本申请实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述所述的方法。
本申请实施例还提供一种计算机可读存储介质，其上存储有处理器程序,其特征在于，所述处理器程序用于执行上述所述的方法。
本申请的实施例提供的技术方案，采用时序数据信息和地理信息序列构建控制站传输影响模型，使网络可以考虑对污染扩散的影响，能够更精确的计算污染物影响。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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是本申请一实施例提供的一种控制站传输影响模型建立方法流程示意图；
图2是本申请另一实施例提供的一种控制站传输影响模型建立方法流程示意图；
图3是本申请一实施例提供的一种控制站传输影响模型建立装置组成示意图；
图4是本申请另一实施例提供的一种控制站传输影响模型建立装置组成示意图；
图5是本申请又一实施例提供的一种控制站传输影响模型建立装置组成示意图；
图6是本申请一实施例提供的一种基于时序数据信息和地理信息序列构建控制站传输影响模型过程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，以下将结合附图和实施例，对本申请技术方案的具体实施方式进行更加详细、清楚的说明。然而，以下描述的具体实施方式和实施例仅是说明的目的，而不是对本申请的限制。其只是包含了本申请一部分实施例，而不是全部的实施例，本领域技术人员对于本申请的各种变化获得的其他实施例，都属于本申请保护的范围。
应该理解的是，虽然第一、第二、第三等用语可使用于本文中用来描述各种元件或组件，但这些元件或组件不应被这些用语所限制。这些用语仅用以区分一个元件或组件与另一元件或组件。因此，下述讨论之第一元件或组件，在不脱离本申请之内容下，可被称为第二元件或第二组件。
图1是本申请一实施例提供的一种控制站传输影响模型建立方法流程示意图，包括以下步骤。
在步骤S110中，基于时序数据信息以及控制站的气象信息确定污染物的最大影响半径,其中时序数据信息为控制站周围设置的检测设备检测的污染物浓度的时序数据信息。
以控制站为中心，在至少一个预设半径布置至少一个检测设备。在本实施例中，可以选择在距离控制站1km(公里)、2km、3km等等多个预设半径构成的圆周上，分别作为第一圆周层、第二圆周层、第三圆周层等，在控制站周围的东、南、西、北、东南、东北、西南、西北方向布置检测设备，例如传感器等。并不以此为限。
根据需要，调整检测设备与周边信息的结合，选择在工业企业区域布置检测设备，而不布置在绿地这样环境较好或公园这种通风条件差的场所。
首先获取检测设备检测的污染物浓度不同时段的检测值，然后确定检测值随时间变化的时序数据信息。
而控制站的气象信息可以使用GFS(google File System)公开的数据源，GFS是google公司为了存储海量搜索数据而设计的专用文件系统，气象信息包括湿度、风速、风向信息等等。
基于时序数据信息以及气象信息，利用高斯模型计算最大影响半径。也可以利用别的方法计算最大影响半径，对此并不做限制。
具体而言,就是基于时序数据信息以及气象信息，利用高斯模型确定每个预设半径形成的圆周层上各个检测设备所在的布置点的污染物浓度对于控制站的点贡献度。
点贡献度计算公式如下：点贡献度＝点的污染物浓度C/控制站污染物浓度。
点的污染物浓度C的计算公式如下。
其中，C为点的污染物浓度，mg/m3或g/m3，Q为源强，单位时间内污染物排放量，mg/s或g/s，σy为侧向扩散系数，污染物在y方向分布的标准偏差，是距离x的函数，σz为竖向扩散系数，污染物在z方向分布的标准偏差，是距离x的函数，为排放口处的平均风速，m/s，H为烟囱的有效高度，简称有效源高，m，x为污染源排放点至下风向上任一点的距离，m， y为烟气的中心轴在直角水平方向上到任意点的距离，m，z为从地表到任一点的高度，m。
控制站污染物浓度的数据可以通过网络数据得到，例如数据爬虫可以提供该数据，但并不以此为限。
确定每个圆周层的污染物浓度对于控制站的层贡献度。层贡献度为圆周层的各个点贡献度的和。
判断出层贡献度大于预设阈值，则确定圆周层为气象影响路径的影响层。
确定过去时段气象影响路径的正的影响因子最大值，正的影响因子最大值为各影响层在过去时段气象影响路径上的布置点的点贡献度的和的正的最大值。确定气象影响路径的影响因子最大值对应的最外影响层为扩散影响层，扩散影响层的半径为最大影响半径。
在本实施例中，气象信息包括风向。风向的路径就是气象影响路径，层贡献度大于预设阈值的圆周层是气象影响路径的影响层，小于预设阈值的圆周层不作为气象影响路径的影响层。举例来说，如果有四个层贡献度大于预设阈值的圆周层，那么气象影响路径就是沿着风向的方向，经过这四个圆周层作为气象影响路径的影响层，这些影响层在气象影响路径上的检测设备的布置点的点贡献度的和就是该气象影响路径的影响因子。
确定出正的影响因子最大值，则确定气象影响路径的影响因子最大值对应的最外影响层为扩散影响层，扩散影响层的半径为最大影响半径。具体来说是以有四个影响层为例，影响因子是在气象影响路径上的检测设备的布置点的点贡献度的和，有第一影响层、第二影响层的点贡献度的和得到的第一影响因子，有第一影响层、第二影响层、第三影响层的点贡献度的和得到的第二影响因子等等。并且随着过去时段风向的变化，气象影响路径有可能不只一条，那么正的影响因子也不只一个，只有确定了过去时段的正的影响因子的最大值，其对应的最外影响层才是扩散影响层，扩散影响层的半径为最大影响半径。
在步骤S120中，基于气象信息、时序数据信息与最大影响半径，动态生成地理信息序列。
确定控制站点作为地理信息站点的起点，结合当前时段的时序数据信息以及气象信息，确定最大影响半径内包括扩散影响层的每个圆周层的点贡献度最大的布置点作为一个地理信息站点，所有地理信息站点动态生成地理生成地理信息序列。
在步骤S130中，基于时序数据信息和地理信息序列构建控制站传输影响模型。
地理信息序列的地理信息站点按照与控制站的距离的顺序对应时序数据信息作为神经网络模型的各个输入节点，为每个节点构建特征，并使用分类模型生成存在的分类结果，构建控制站传输影响模型。其中分类模型包括但不限于softmax分类模型。
图6是本申请一实施例提供的一种基于时序数据信息和地理信息序列构建控制站传输影响模型过程示意图，如图6所示，将地理信息序列 2的各个点和时序数据信息1作为输入加入到神经网络3中，并使用分类模型生成存在的分类结果，以构成控制站传输影响模型。
本实施例提供的技术方案，采用时序数据信息和地理信息序列构建控制站传输影响模型，使网络可以考虑对污染扩散的影响，能够更精确的计算污染物影响。
图2是本申请另一实施例提供的一种控制站传输影响模型建立方法流程示意图，包括以下步骤。
在步骤S211中，基于时序数据信息以及气象信息，确定每个预设半径形成的圆周上各个检测设备所在的布置点的污染物浓度对于控制站的点贡献度。
以控制站为中心，在至少一个预设半径布置至少一个检测设备。在本实施例中，可以选择在距离控制站1km(公里)、2km、3km等等多个预设半径构成的圆周上，分别作为第一圆周层、第二圆周层、第三圆周层等，在控制站周围的东、南、西、北、东南、东北、西南、西北方向布置检测设备，例如传感器等。并不以此为限。
根据需要，调整检测设备与周边信息的结合，选择在工业企业区域布置检测设备，而不布置在绿地这样环境较好或公园这种通风条件差的场所。
首先获取检测设备检测的污染物浓度不同时段的检测值，然后确定检测值随时间变化的时序数据信息。
而控制站的气象信息可以使用GFS(google File System)公开的数据源，GFS是google公司为了存储海量搜索数据而设计的专用文件系统，气象信息包括湿度、风速、风向信息等等。
基于时序数据信息以及气象信息，利用高斯模型计算最大影响半径。也可以利用别的方法计算最大影响半径，对此并不做限制。
具体而言,就是基于时序数据信息以及气象信息，利用高斯模型确定每个预设半径形成的圆周层上各个检测设备所在的布置点的污染物浓度对于控制站的点贡献度。
点贡献度计算公式如下：点贡献度＝点的污染物浓度C/控制站污染物浓度。
点的污染物浓度C的计算公式如下。
其中，C为点的污染物浓度，mg/m3或g/m3，Q为源强，单位时间内污染物排放量，mg/s或g/s，σy为侧向扩散系数，污染物在y方向分布的标准偏差，是距离x的函数，σz为竖向扩散系数，污染物在z方向分布的标准偏差，是距离x的函数，为排放口处的平均风速，m/s，H为烟囱的有效高度，简称有效源高，m，x为污染源排放点至下风向上任一点的距离，m， y为烟气的中心轴在直角水平方向上到任意点的距离，m，z为从地表到任一点的高度，m。
控制站污染物浓度的数据可以通过网络数据得到，例如数据爬虫可以提供该数据，但并不以此为限。
在步骤S212中，确定每个圆周层的污染物浓度对于控制站的层贡献度。层贡献度为圆周层的各个点贡献度的和。
在步骤S213中，判断出上述的层贡献度大于预设阈值，则确定该圆周层为气象影响路径的影响层。预设阈值根据实际需要进行设置。
在步骤S214中，确定过去时段气象影响路径的正的影响因子最大值，正的影响因子最大值为各影响层在过去时段气象影响路径上的布置点的点贡献度的和的正的最大值。
在本实施例中，气象信息包括风向。风向的路径就是气象影响路径，层贡献度大于预设阈值的圆周层是气象影响路径的影响层，小于预设阈值的圆周层不作为气象影响路径的影响层。举例来说，如果有四个层贡献度大于预设阈值的圆周层，那么气象影响路径就是沿着风向的方向，经过这四个圆周层作为气象影响路径的影响层，这些影响层在气象影响路径上的检测设备的布置点的点贡献度的和就是该气象影响路径的影响因子。
在步骤S215中，确定气象影响路径的正的影响因子最大值对应的最外影响层为扩散影响层，扩散影响层的半径为最大影响半径。
具体来说是以有四个影响层为例，影响因子是在气象影响路径上的检测设备的布置点的点贡献度的和，有第一影响层、第二影响层的点贡献度的和得到的第一影响因子，有第一影响层、第二影响层、第三影响层的点贡献度的和得到的第二影响因子等等。并且随着过去时段风向的变化，气象影响路径有可能不只一条，那么正的影响因子也不只一个，只有确定了过去时段的正的影响因子的最大值，其对应的最外影响层才是扩散影响层，扩散影响层的半径为最大影响半径。
在步骤S220中，基于气象信息、时序数据信息与最大影响半径，动态生成地理信息序列。
在步骤S230中，基于时序数据信息和地理信息序列构建控制站传输影响模型。
在本实施例中，步骤S220、S230与上述实施例步骤S120、S130 相同，不再赘述。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述所述的方法。
一种计算机可读存储介质，其上存储有处理器程序,处理器程序用于执行权利要求上述所述的方法。
图3是本申请一实施例提供的一种控制站传输影响模型建立装置组成示意图，装置包括半径确定模块41、地理信息序列获取模块42、建模模块43。
半径确定模块41基于时序数据信息以及控制站的气象信息确定污染物的最大影响半径,其中所述时序数据信息为所述控制站周围设置的检测设备检测的污染物浓度的时序数据信息。地理信息序列获取模块42基于气象信息、时序数据信息与最大影响半径，动态生成地理信息序列。建模模块 43基于时序数据信息和地理信息序列构建控制站传输影响模型。
图4是本申请另一实施例提供的一种控制站传输影响模型建立装置组成示意图，装置包括半径确定模块51、地理信息序列获取模块42、建模模块43。
半径确定模块51基于时序数据信息以及控制站的气象信息确定污染物的最大影响半径,其中时序数据信息为所述控制站周围设置的检测设备检测的污染物浓度的时序数据信息。地理信息序列获取模块42基于气象信息、时序数据信息与最大影响半径，动态生成地理信息序列。建模模块43基于时序数据信息和地理信息序列构建控制站传输影响模型。
半径计算模块51包括点贡献度确定子模块511、层贡献度确定子模块 512、影响层确定子模块513、影响因子确定子模块514、影响半径确定子模块515。
点贡献度确定子模块511基于当前时段的时序数据信息以及气象信息，确定每个圆周层上各个检测设备所在的布置点的污染物浓度对于控制站的点贡献度。层贡献度确定子模块512确定每个圆周层的污染物浓度对于控制站的层贡献度。影响层确定子模块513判断出层贡献度大于预设阈值，则该圆周层为气象影响路径的影响层。影响因子确定子模块514确定过去时段气象影响路径的正的影响因子最大值，正的影响因子最大值为各影响层在过去时段气象影响路径上的布置点的点贡献度的和的正的最大值。影响半径确定子模块515确定气象影响路径的正的影响因子最大值对应的最外影响层为扩散影响层，扩散影响层的半径为最大影响半径。
地理信息序列获取模块42还确定控制站点作为地理信息站点的起点，结合当前时段的所述时序数据信息以及所述气象信息，确定最大影响半径内包括扩散影响层的每个所述圆周层的点贡献度最大的布置点作为一个所述地理信息站点，所有所述地理信息站点动态生成所述地理生成地理信息序列。
图5是本申请又一实施例提供的一种控制站传输影响模型建立装置组成示意图，装置包括半径确定模块51、地理信息序列获取模块42、建模模块43、时序数据信息获取模块64、气象信息获取模块65。
时序数据信息获取子模块64获取以控制站为中心，在至少一个预设半径布置至少一个检测设备检测的污染物浓度不同时段的检测值，确定检测值随时间变化的时序数据信息。气象信息获取模块65获取控制站的气象信息。半径确定模块51基于时序数据信息以及控制站的气象信息确定污染物的最大影响半径,其中所述时序数据信息为所述控制站周围设置的检测设备检测的污染物浓度的时序数据信息。地理信息序列获取模块42基于气象信息、时序数据信息与最大影响半径，动态生成地理信息序列。建模模块 43基于时序数据信息和地理信息序列构建控制站传输影响模型。
半径计算模块51包括点贡献度确定子模块511、层贡献度确定子模块 512、影响层确定子模块513、影响因子确定子模块514、影响半径确定子模块515。
点贡献度确定子模块511基于当前时段的时序数据信息以及气象信息，确定每个圆周层上各个检测设备所在的布置点的污染物浓度对于控制站的点贡献度。层贡献度确定子模块512确定每个圆周层的污染物浓度对于控制站的层贡献度。影响层确定子模块513判断出层贡献度大于预设阈值，则该圆周层为气象影响路径的影响层。影响因子确定子模块514确定过去时段气象影响路径的正的影响因子最大值，正的影响因子最大值为各影响层在过去时段气象影响路径上的布置点的点贡献度的和的正的最大值。影响半径确定子模块515确定气象影响路径的正的影响因子最大值对应的最外影响层为扩散影响层，扩散影响层的半径为最大影响半径。
地理信息序列获取模块42还确定控制站点作为地理信息站点的起点，结合当前时段的所述时序数据信息以及所述气象信息，确定包括所述扩散影响层在内的每个所述圆周层的点贡献度最大的布置点作为一个所述地理信息站点，所有所述地理信息站点动态生成所述地理生成地理信息序列。
需要说明的是，以上参照附图所描述的各个实施例仅用以说明本申请而非限制本申请的范围，本领域的普通技术人员应当理解，在不脱离本申请的精神和范围的前提下对本申请进行的修改或者等同替换，均应涵盖在本申请的范围之内。此外，除上下文另有所指外，以单数形式出现的词包括复数形式，反之亦然。另外，除非特别说明，那么任何实施例的全部或一部分可结合任何其它实施例的全部或一部分来使用。
Claims (10)
1.一种控制站传输影响模型建立方法，其特征在于，包括：
基于时序数据信息以及控制站的气象信息确定污染物的最大影响半径,其中所述时序数据信息为所述控制站周围设置的检测设备检测的污染物浓度的时序数据信息；
基于所述气象信息、所述时序数据信息与所述最大影响半径，动态生成地理信息序列；
基于所述时序数据信息和所述地理信息序列构建控制站传输影响模型。
2.根据权利要求1所述的方法，其特征在于，在所述基于时序数据信息以及控制站的气象信息确定污染物的最大影响半径之前，所述方法还包括：
获取以所述控制站为中心，在至少一个预设半径布置至少一个所述检测设备检测的污染物浓度不同时段的检测值；
确定所述检测值随时间变化的所述时序数据信息。
3.根据权利要求1所述的方法，其特征在于，所述基于时序数据信息以及控制站的气象信息确定污染物的最大影响半径，包括：
基于当前时段的所述时序数据信息以及所述气象信息，确定每个所述预设半径形成的圆周层上各个所述检测设备所在的布置点的污染物浓度对于所述控制站的点贡献度；
确定每个所述圆周层的污染物浓度对于所述控制站的层贡献度；
判断出所述层贡献度大于预设阈值，则确定所述圆周层为气象影响路径的影响层；
确定过去时段所述气象影响路径的正的影响因子最大值；所述正的影响因子最大值为各所述影响层在过去时段所述气象影响路径上的布置点的点贡献度的和的正的最大值；
确定所述气象影响路径的正的影响因子最大值对应的最外所述影响层为扩散影响层，所述扩散影响层的半径为所述最大影响半径。
4.根据权利要求3所述的方法，其特征在于，所述基于所述气象信息、所述时序数据信息与所述最大影响半径，动态生成地理信息序列，包括：
确定控制站点作为地理信息站点的起点，结合当前时段的所述时序数据信息以及所述气象信息，确定所述最大影响半径内包括所述扩散影响层的每个所述圆周层的点贡献度最大的布置点作为一个所述地理信息站点，所有所述地理信息站点动态生成所述地理生成地理信息序列。
5.一种控制站传输影响模型建立装置，其特征在于，包括：
半径确定模块，基于时序数据信息以及控制站的气象信息确定污染物的最大影响半径,其中所述时序数据信息为所述控制站周围设置的检测设备检测的污染物浓度的时序数据信息；
地理信息序列获取模块，基于所述气象信息、所述时序数据信息与所述最大影响半径，动态生成地理信息序列；
建模模块，基于所述时序数据信息和所述地理信息序列构建控制站传输影响模型。
6.根据权利要求5所述的装置，其特征在于，所述半径确定模块包括：
点贡献度确定子模块，基于当前时段的所述时序数据信息以及所述气象信息，确定每个所述预设半径形成的圆周层上各个所述检测设备所在的布置点的污染物浓度对于所述控制站的点贡献度；
层贡献度确定子模块，确定每个所述圆周层的污染物浓度对于所述控制站的层贡献度；
影响层确定子模块，判断出所述层贡献度大于预设阈值，则所述圆周层为气象影响路径的影响层；
影响因子确定子模块，确定过去时段所述气象影响路径的正的影响因子最大值；所述正的影响因子最大值为各所述影响层在过去时段所述气象影响路径上的布置点的点贡献度的和的正的最大值；
影响半径确定子模块，确定所述气象影响路径的正的影响因子最大值对应的最外所述影响层为扩散影响层，所述扩散影响层的半径为所述最大影响半径。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
时序数据信息获取模块，获取以所述控制站为中心，在至少一个预设半径布置至少一个所述检测设备检测的污染物浓度不同时段的检测值，确定所述检测值随时间变化的所述时序数据信息；
气象信息获取模块，获取控制站的气象信息。
8.根据权利要求5所述的装置，其特征在于，所述地理信息序列获取模块还确定控制站点作为地理信息站点的起点，结合当前时段的所述时序数据信息以及所述气象信息，确定所述最大影响半径内包括所述扩散影响层的每个所述圆周层的点贡献度最大的布置点作为一个所述地理信息站点，所有所述地理信息站点动态生成所述地理生成地理信息序列。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至4之任一项所述的方法。
10.一种计算机可读存储介质，其上存储有处理器程序,其特征在于，所述处理器程序用于执行权利要求1至4之任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910041006.6A CN109857976B (zh) | 2019-01-16 | 2019-01-16 | 控制站传输影响模型建立方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910041006.6A CN109857976B (zh) | 2019-01-16 | 2019-01-16 | 控制站传输影响模型建立方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109857976A true CN109857976A (zh) | 2019-06-07 |
| CN109857976B CN109857976B (zh) | 2023-10-31 |
Family
ID=66895038
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910041006.6A Active CN109857976B (zh) | 2019-01-16 | 2019-01-16 | 控制站传输影响模型建立方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109857976B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104881546A (zh) * | 2015-06-01 | 2015-09-02 | 中国科学院上海高等研究院 | 一种提高大气污染模型预测效率的方法 |
| CN205449908U (zh) * | 2015-12-28 | 2016-08-10 | 周俊杰 | 在线连续环境空气质量自动监测基站及网络系统 |
| CN107194139A (zh) * | 2016-03-14 | 2017-09-22 | 日电（中国）有限公司 | 大气污染源分级方法及计算设备 |
| CN107917987A (zh) * | 2017-11-09 | 2018-04-17 | 北京伟瑞迪科技有限公司 | 一种面向城市空气污染物溯源分析方法 |
-
2019
- 2019-01-16 CN CN201910041006.6A patent/CN109857976B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104881546A (zh) * | 2015-06-01 | 2015-09-02 | 中国科学院上海高等研究院 | 一种提高大气污染模型预测效率的方法 |
| CN205449908U (zh) * | 2015-12-28 | 2016-08-10 | 周俊杰 | 在线连续环境空气质量自动监测基站及网络系统 |
| CN107194139A (zh) * | 2016-03-14 | 2017-09-22 | 日电（中国）有限公司 | 大气污染源分级方法及计算设备 |
| CN107917987A (zh) * | 2017-11-09 | 2018-04-17 | 北京伟瑞迪科技有限公司 | 一种面向城市空气污染物溯源分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109857976B (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105488316B (zh) | 用于预测空气质量的系统和方法 | |
| AU2020356806A1 (en) | Historical city protection and development cooperative control scheme aided design system | |
| CN104102845B (zh) | 尺度自适应的插值方法及尺度自适应的插值系统 | |
| CN110738354B (zh) | 预测颗粒物浓度的方法、装置、存储介质及电子设备 | |
| CN110967028B (zh) | 导航地图构建方法、装置、机器人及存储介质 | |
| CN103491591B (zh) | 无线传感器网络复杂区域划分方法和节点定位方法 | |
| CN110956412B (zh) | 基于实景模型的洪灾动态评估方法、装置、介质和设备 | |
| CN107423742A (zh) | 人群流量的确定方法及装置 | |
| CN114819411B (zh) | 一种基于走航监测车的大气污染物排放溯源方法和装置 | |
| CN104090927B (zh) | 一种基于电子地图的划线搜索方法和装置 | |
| CN110602438A (zh) | 一种基于路网的视频监控布局优化方法及装置 | |
| Wang et al. | A Modified Inverse Distance Weighting Method for Interpolation in Open Public Places Based on Wi‐Fi Probe Data | |
| Yin et al. | A deep learning approach for rooftop geocoding | |
| CN107229742A (zh) | 一种基于遥感大数据确定城市易涝点的方法 | |
| CN114822709A (zh) | 大气污染多粒度精准成因分析方法及装置 | |
| CN110909951A (zh) | 一种历史名城新城区规划辅助设计系统 | |
| CN207423929U (zh) | 新型空气质量智能预测系统 | |
| CN113177857A (zh) | 一种基于台风灾害预估的资源弹性调配方法 | |
| CN109857976A (zh) | 控制站传输影响模型建立方法、装置、设备及存储介质 | |
| CN116305498B (zh) | 隧道数字孪生建模指标判断网络模型构建方法、分析方法 | |
| CN115493657B (zh) | 一种基于无人机的大气污染溯源方法和装置 | |
| CN107239461B (zh) | 一种道路孤岛确定方法及装置 | |
| Boubrima et al. | Poster: Toward a better monitoring of air pollution using mobile wireless sensor networks | |
| CN117114755A (zh) | 站场选址优化方法、装置、计算机设备及可读存储介质 | |
| CN113901168B (zh) | 一种基于互联网地图平台的自有数据扩展融合方法 |
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 | ||
| CB02 | Change of applicant information |
Address after: 100070 Beijing Fengtai Auto Museum West Road No. 8 Courtyard 1 Building 6 Floor 606 Applicant after: Beijing Yingshi Ruida Technology Co.,Ltd. Address before: Room 606, 6 / F, building 1, yard 8, Automobile Museum West Road, Fengtai District, Beijing 100029 Applicant before: BEIJING INSIGHTS VALUE TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |