CN110426493A - 空气质量监测数据校准方法、装置、设备和存储介质 - Google Patents
空气质量监测数据校准方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110426493A CN110426493A CN201910707541.0A CN201910707541A CN110426493A CN 110426493 A CN110426493 A CN 110426493A CN 201910707541 A CN201910707541 A CN 201910707541A CN 110426493 A CN110426493 A CN 110426493A
- Authority
- CN
- China
- Prior art keywords
- data
- calibrated
- monitoring station
- duration
- monitoring
- 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
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
- G01N33/0006—Calibrating gas analysers
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例公开了一种空气质量监测数据校准方法、装置、设备和存储介质,其中,该方法包括:获取参考监测站和待校准监测站所在地理区域的气象数据;如果气象数据满足预设稳态要求,则基于气象数据和地理区域的地理数据,计算在气象数据处于稳定状态的持续时长内,目标物质随大气流动在参考监测站和待校准监测站之间的扩散时长;在气象数据处于稳定状态的持续时长内,获取参考监测站监测的空气质量数据作为参考数据,并获取待校准监测站监测的空气质量数据作为待校准数据;确定参考监测站和待校准监测站之间空气质量监测数据的校准关系。本发明实施例可以实现基于气象环境识别的空气质量监测数据校准,提高校准准确性,降低校准成本。
Description
技术领域
本发明实施例涉及空气质量监测技术领域,尤其涉及一种空气质量监测数据校准方法、装置、终端和介质。
背景技术
近年来,为改善环境空气质量,国家不断加大环境整治力度,并颁布了一系列的政策与法规。为配合环境整治,政府主导建设了国家环境空气质量监测网,以为环境治理提供效果评价和执法依据。国家环境空气质量监测网是由“城市站”、“国家环境空气背景监测站(背景站)”、“区域站”和“重点区域预警平台”组成。目前,国家城市环境空气质量监测网由113个重点城市扩大到338个地级市(含州盟所在地的县级市),国控监测点位由661个增加到1436个。
国家环境空气质量监测网,由国家主导、统一和科学管理,其监测数据权威、准确,为中国的环境污染治理提供了很好的指导作用。但是,由于全国范围内仅有1436个监测点位,每个监测点位覆盖的面积在数十甚至数百平方公里,对于小尺度地理范围内的空气质量和污染情况不能做到很好的兼顾。随着环境管理需求的变化,为实时监测"散、乱、污"污染源、道路交通、建筑工地、区域边界、污染物传输通道、城市居民区、衣村乡镇和重点工业企业等对象,高密度的环境空气质量网格化监测系统被提出,并在提出后迅速在各地开展网络建设工作。
在这个背景下,结合物联网应用技术,网格化环境空气质量监测技术和产品在全国多个城市和地区快速得到应用。这种新技术和产品的运用成为大气环境精细化治理的重要抓手,促进了环保“最后一公里”责任的落实。由于体积小巧,行业内一般称这种低成本、广覆盖的空气质量监测站点为“微站”。微站的监测数据的准确性与国家环境空气质量监测站(简称“国测站”)相比,还有较大的差距。为确保微站监测数据的准确性,现有技术中通常选择本地校准或者传递校准的方式。具体如下:
1)本地校准,是将标准物质输送到微站的传感器,从而实现校准。由于微站通常部署于较高的位置,多数情况下其离地高度在3到10米,且广泛分布于城市的各个区域,这导致校准不易实施。另外,标准物质通常比较昂贵。因此,对微站进行本地校准,费时费力,成本高。
2)传递校准,是在待校准微站旁边部署一个经过严格校准的中转微站,利用该中转微站对待校准微站进行校准。这种方法,需要事先将严格校准的中转微站部署于国测站的旁边,运行数天或数月,基于国测站的监测数据对此中转微站进行校准。这种方法不仅比较费时,而且在校准过程中容易产生传递误差。此外,由于国测站周边通常是管控区域,在这种位置部署微站容易受到一定的限制,导致该校准方法适用性较低。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的空气质量监测数据校准方法、装置、设备和存储介质,以实现基于气象环境识别的空气质量监测数据校准,提高校准准确性,降低校准成本。
第一方面,本发明实施例提供了一种空气质量监测数据校准方法,该方法包括:
获取参考监测站和待校准监测站所在地理区域的气象数据;
如果所述气象数据满足预设稳态要求,则基于所述气象数据和所述地理区域的地理数据,计算在所述气象数据处于稳定状态的持续时长内,目标物质随大气流动在所述参考监测站和所述待校准监测站之间的扩散时长,其中,预设稳态要求用于定义特定地理区域内的气象数据处于稳定状态的满足条件;
在所述气象数据处于稳定状态的持续时长内,获取所述参考监测站监测的空气质量数据作为参考数据,并获取所述待校准监测站监测的空气质量数据作为待校准数据,其中,所述参考数据与所述待校准数据的采集持续时长相同,且所述参考数据的开始采集时间与所述待校准数据的开始采集时间相差所述扩散时长;
依据所述参考数据和所述待校准数据确定所述参考监测站和所述待校准监测站之间空气质量监测数据的校准关系。
第二方面,本发明实施例还提供了一种空气质量监测数据校准装置,该装置包括:
气象数据获取模块,用于获取参考监测站和待校准监测站所在地理区域的气象数据;
扩散时长计算模块,用于如果所述气象数据满足预设稳态要求,则基于所述气象数据和所述地理区域的地理数据,计算在所述气象数据处于稳定状态的持续时长内,目标物质随大气流动在所述参考监测站和所述待校准监测站之间的扩散时长,其中,预设稳态要求用于定义特定地理区域内的气象数据处于稳定状态的满足条件;
参考数据与待校准数据获取模块,用于在所述气象数据处于稳定状态的持续时长内,获取所述参考监测站监测的空气质量数据作为参考数据,并获取所述待校准监测站监测的空气质量数据作为待校准数据,其中,所述参考数据与所述待校准数据的采集持续时长相同,且所述参考数据的开始采集时间与所述待校准数据的开始采集时间相差所述扩散时长;
校准关系确定模块,用于依据所述参考数据和所述待校准数据确定所述参考监测站和所述待校准监测站之间空气质量监测数据的校准关系。
第三方面,本发明实施例还提供了一种设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任一实施例所述的空气质量监测数据校准方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任一实施例所述的空气质量监测数据校准方法。
本发明实施例通过获取参考监测站和待校准监测站所在地理区域的气象数据,在气象数据满足预设稳态要求时,即气象环境趋于稳定状态,利用从参考监测站采集的空气质量数据和从待校准监测站采集的空气质量数据进行校准计算,从而确定参考监测站和待校准监测站之间空气质量监测数据的校准关系,实现了基于气象环境识别(或称为场景识别)的空气质量监测数据校准,提高了校准准确性,降低了校准成本,并且易于推广使用。
附图说明
图1是本发明实施例一提供的空气质量监测数据校准方法的流程图;
图2a是本发明实施例二提供的空气质量监测数据校准方法的流程图;
图2b是本发明实施例二提供的风向与基准线的夹角示意图;
图3是本发明实施例三提供的空气质量监测数据校准装置的结构示意图;
图4是本发明实施例四提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的空气质量监测数据校准方法的流程图,本实施例可适用于利用参考监测站对待校准监测站进行空气质量监测数据校准的情况,例如利用国测站对微站的空气质量监测数据进行校准,该方法可以由空气质量监测数据校准装置来执行,该装置可以采用软件和/或硬件的方式实现,并集成在任意的具有计算能力的设备上。
如图1所示,本实施例提供的空气质量监测数据校准方法可以包括:
S110、获取参考监测站和待校准监测站所在地理区域的气象数据。
气象数据用于反应特定地理区域的气象环境状态,具体可以通过特定地理区域内的气象监测而得到。气象数据包括但不限于风向、风向持续时长、气温和空气湿度等。参考监测站可以是任意的国测站,待校准监测站可以是国测站附近任意的监测微站。
S120、如果气象数据满足预设稳态要求,则基于气象数据和地理区域的地理数据,计算在气象数据处于稳定状态的持续时长内,目标物质随大气流动在参考监测站和待校准监测站之间的扩散时长。
其中,预设稳态要求用于定义特定地理区域内的气象数据处于稳定状态的满足条件,例如风向不变、气温和空气湿度的起伏变化较小等。当参考监测站和待校准监测站所在地理区域的气象数据满足预设稳态要求时,即参考监测站和待校准监测站所在地理区域内的气象环境处于基本稳定的状态,在该稳定状态内,两个监测站监测的空气质量数据之间呈现一定的关联性和规律性,可以用于空气质量数据的校准计算。
目标物质可以是参考监测站和待校准监测站所在地理区域的空气中可以监测到的任一种空气污染物质,通过计算目标物质的扩散时间,可以得到参考监测站和待校准监测站监测到相同的空气污染物质的时间延迟,进而确定校准计算过程中,参考监测站和待校准监测站各自的空气质量数据采样时间,确保参与校准计算的数据之间的关联性。目标物质的扩散与地理区域内的气象数据和地理数据均相关,地理数据包括地形数据和建筑物分布数据,例如,建筑物分布越密集,目标物质扩散所用时间越长。具体的,可以基于大气扩散原理计算目标物质的扩散时长,本实施例对具体的计算实现方式不作限定。
其中,如果参考监测站处于待校准监测站的上游,目标物质的扩散时长表示其从参考监测站扩散至待校准监测站所用的时长;如果参考监测站处于待校准监测站的下游,目标物质的扩散时长表示其从待校准监测站扩散至参考监测站所用的时长。
S130、在气象数据处于稳定状态的持续时长内,获取参考监测站监测的空气质量数据作为参考数据,并获取待校准监测站监测的空气质量数据作为待校准数据,其中,参考数据与待校准数据的采集持续时长相同,且参考数据的开始采集时间与待校准数据的开始采集时间相差扩散时长。
在本实施例中,参考数据和待校准数据均是在气象数据处于稳定状态的持续时长内所监测得到的历史监测数据。开始采集时间和结束采集时间分别对应于监测数据保存过程中的实时监测时间。监测数据按照监测时间和数据内容的对应关系进行保存,获取保存的监测数据时,按照采样开始时间和采样结束时间与监测时间的匹配,即可提取所需时段内的监测数据。具体的,可以从参考监测站和待校准监测站各自对应的云端数据存储服务器中获取参考数据和待校准数据,关于参考数据与待校准数据的采集持续时长,本实施例也不作具体限定,可以适应性设置,例如可以是1个小时或者1.5个小时内的监测数据等。
可选的,气象数据处于稳定状态的持续时长表示为Te-Tb,目标物质的扩散时长表示为Tm,Tb表示气象数据处于稳定状态的开始时间,Te表示气象数据处于稳定状态的结束时间;如果参考监测站处于待校准监测站的上游,则参考数据的采集时间区间表示为[Tb,Te-Tm],待校准数据的采样时间区间表示为[Tb+Tm,Te];如果参考监测站处于待校准监测站的下游,则参考数据的采集时间区间表示为[Tb+Tm,Te],待校准数据的采样时间区间表示为[Tb,Te-Tm],即处于上游的空气质量数据采样时间要早于下游的采样时间。
S140、依据参考数据和待校准数据确定参考监测站和待校准监测站之间空气质量监测数据的校准关系。
假设参考数据使用Ai表示,待校准数据使用Bi表示,基于参考数据Ai和待校准数据Bi得到数据对(Ai,Bi),i表示获取的数据数量,可取任意整数值。令Bi'=f(Bi),f函数代表将数值Bi校准到数值Ai的函数,则校准后的Bi'应该等于Ai。f函数的具体形式本实施例也不作具体限定,通常可以选择一元一次函数y=f(x)=kx+b,或者一元二次函数y=f(x)=ax2+bx+c,也可以根据需要选择更高阶次的函数。选定f函数的具体形式后,可以得到一组方程:A1=f(B1),A2=f(B2),…,An=f(Bn),通常数据对的个数n远远大于f函数的阶次,通过对方程组进行参数求解,例如可以利用最小二乘法进行方程组求解,确定f函数中各待定参数的值(例如参数k与b的值,或者参数a、b和c的值),即得到参考监测站和待校准监测站之间空气质量监测数据的校准关系。
本实施例的技术方案通过获取参考监测站和待校准监测站所在地理区域的气象数据,在气象数据满足预设稳态要求时,即气象环境趋于稳定状态,利用从参考监测站采集的空气质量数据和从待校准监测站采集的空气质量数据进行校准计算,从而确定参考监测站和待校准监测站之间空气质量监测数据的校准关系,实现了基于气象环境识别的空气质量监测数据校准,实现了基于参考监测站和待校准监测站之间空气质量数据的关联性的监测数据校准,相比于现有技术,通过气象环境识别将不同监测站之间的监测数据关联性加以考虑,提高了校准准确性;同时,由于不需要依赖校准所用的标准物质,也不需要部署中转微站,因此降低了校准成本,节省时间、人力和物力,并且易于推广使用。
实施例二
图2a是本发明实施例二提供的空气质量监测数据校准方法的流程图,本实施例是在上述实施例的基础上进一步进行优化。如图2a所示,该方法可以包括:
S210、获取参考监测站和待校准监测站所在地理区域的气象数据,其中,气象数据包括风向与风向持续时长。
S220、如果风向与基准线的夹角小于或等于夹角阈值,且风向持续时长大于或等于时长阈值,则基于气象数据和该地理区域的地理数据,利用预设空气质量模型计算在风向持续时长内,目标物质随大气流动在参考监测站和待校准监测站之间的扩散时长,其中,基准线与参考监测站和待校准监测站的位置坐标点之间的连线平行。
本实施例中,将风向与风向持续时长(即风向维持在特定方向的持续时长)作为特定地理区域的气象数据是否处于稳定状态的考虑因素,气象数据处于稳定状态的持续时长即风向持续时长。夹角阈值θ通常不超过45°,例如可以取值为15°;时长阈值t的具体取值与风速有关,风速越大,t取值越小。图2b作为示例,示出了风向与基准线的夹角示意图,如图2b所示,点A和点B分别表示参考监测站和待校准监测站的位置点,与直线AB平行的直线(包括直线AB本身)表示基准线。参考监测站和待校准监测站之间的距离为L公里,风速为V,则风向持续时间t取值可以是大于或等于2(L/V)。
预设空气质量模型可以包括但不限于以下扩散模型中的至少一种:稳态大气扩散模型(例如Aermod模型)、非稳态大气扩散模型(例如Calpuff模型)、高斯烟流模型(例如BLP模型)、稳态高斯扩散模型(例如CALNE3模型)、点源高斯扩散模型(例如CTDMPLUS模型)和线性高斯扩散模型(例如海岸扩散OCD模型)。在本实施例中,可以利用单个模型进行目标物质的扩散时长计算;也可以为了得到更稳定的结果,利用至少两个模型同时进行目标物质的扩散时长计算,然后将至少两个模型的结果进行综合考虑得到最终的扩散时长。
S230、在风向持续时长内,获取参考监测站监测的空气质量数据作为参考数据,并获取待校准监测站监测的空气质量数据作为待校准数据,其中,参考数据与待校准数据的采集持续时长相同,且参考数据的开始采集时间与待校准数据的开始采集时间相差扩散时长。
假设风向持续时长(即风向与基准线的夹角维持在小于或等于夹角阈值这一状态的持续时长)表示为Te-Tb,目标物质的扩散时长表示为Tm,Tb表示风向持续的开始时间,Te表示风向持续的结束时间;如果参考监测站处于待校准监测站的上游,则参考数据的采集时间区间表示为[Tb,Te-Tm],待校准数据的采样时间区间表示为[Tb+Tm,Te];如果参考监测站处于待校准监测站的下游,则参考数据的采集时间区间表示为[Tb+Tm,Te],待校准数据的采样时间区间表示为[Tb,Te-Tm]。
S240、依据参考数据和待校准数据确定参考监测站和待校准监测站之间空气质量监测数据的校准关系。
本实施例的技术方案通过获取参考监测站和待校准监测站所在地理区域的风向和风向持续时长等气象数据,在气象数据满足预设稳态要求时,即气象环境趋于稳定状态,利用从参考监测站采集的空气质量数据和从待校准监测站采集的空气质量数据进行校准计算,从而确定参考监测站和待校准监测站之间空气质量监测数据的校准关系,实现了基于气象环境识别的空气质量监测数据校准,提高了校准准确性,降低了校准成本,并且易于推广使用。
实施例三
图3是本发明实施例三提供的空气质量监测数据校准装置的结构示意图。本实施例可适用于利用参考监测站对待校准监测站进行空气质量监测数据校准的情况,例如利用国测站对微站的空气质量监测数据进行校准。本实施例提供的空气质量监测数据校准装置可以采用软件和/或硬件的方式实现,并集成在任意的具有计算能力的设备上。
如图3所示,本实施例提供的空气质量监测数据校准装置可以包括气象数据获取模块310、扩散时长计算模块320、参考数据与待校准数据获取模块330和校准关系确定模块340,其中:
气象数据获取模块310,用于获取参考监测站和待校准监测站所在地理区域的气象数据;
扩散时长计算模块320,用于如果气象数据满足预设稳态要求,则基于气象数据和地理区域的地理数据,计算在气象数据处于稳定状态的持续时长内,目标物质随大气流动在参考监测站和待校准监测站之间的扩散时长,其中,预设稳态要求用于定义特定地理区域内的气象数据处于稳定状态的满足条件;
参考数据与待校准数据获取模块330,用于在气象数据处于稳定状态的持续时长内,获取参考监测站监测的空气质量数据作为参考数据,并获取待校准监测站监测的空气质量数据作为待校准数据,其中,参考数据与待校准数据的采集持续时长相同,且参考数据的开始采集时间与待校准数据的开始采集时间相差扩散时长;
校准关系确定模块340,用于依据参考数据和待校准数据确定参考监测站和待校准监测站之间空气质量监测数据的校准关系。
可选的,气象数据包括风向与风向持续时长;相应的,扩散时长计算模块320具体用于:
如果风向与基准线的夹角小于或等于夹角阈值,且风向持续时长大于或等于时长阈值,则基于气象数据和地理区域的地理数据,计算在气象数据处于稳定状态的持续时长内,目标物质随大气流动在参考监测站和待校准监测站之间的扩散时长;
其中,基准线与参考监测站和待校准监测站的位置坐标点之间的连线平行。
可选的,气象数据处于稳定状态的持续时长表示为Te-Tb,扩散时长表示为Tm,Tb表示气象数据处于稳定状态的开始时间,Te表示气象数据处于稳定状态的结束时间;
如果参考监测站处于待校准监测站的上游,则参考数据的采集时间区间表示为[Tb,Te-Tm],待校准数据的采样时间区间表示为[Tb+Tm,Te];
如果参考监测站处于待校准监测站的下游,则参考数据的采集时间区间表示为[Tb+Tm,Te],待校准数据的采样时间区间表示为[Tb,Te-Tm]。
可选的,扩散时长计算模块320具体用于:
如果气象数据满足预设稳态要求,基于气象数据和地理区域的地理数据,利用预设空气质量模型计算在气象数据处于稳定状态的持续时长内,目标物质随大气流动在参考监测站和待校准监测站之间的扩散时长;
其中,预设空气质量模型包括以下扩散模型中的至少一种:稳态大气扩散模型、非稳态大气扩散模型、高斯烟流模型、稳态高斯扩散模型、点源高斯扩散模型和线性高斯扩散模型。
可选的,地理数据包括地形数据和建筑物分布数据。
本发明实施例所提供的空气质量监测数据校准装置可执行本发明任意实施例所提供的空气质量监测数据校准方法,具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本发明任意方法实施例中的描述。
实施例四
图4是本发明实施例四提供的一种设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性设备412的框图。图4显示的设备412仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。设备412可以是任意的具有计算能力的设备,包括但不限于服务器。
如图4所示,设备412以通用设备的形式表现。设备412的组件可以包括但不限于:一个或者多个处理器416,存储装置428,连接不同系统组件(包括存储装置428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种,包括存储装置总线或者存储装置控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry SubversiveAlliance,ISA)总线,微通道体系结构(Micro Channel Architecture,MAC)总线,增强型ISA总线、视频电子标准协会(Video Electronics Standards Association,VESA)局域总线以及外围组件互连(Peripheral Component Interconnect,PCI)总线。
设备412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备412访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储装置428可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(Random Access Memory,RAM)430和/或高速缓存存储器432。设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统434可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘,例如只读光盘(Compact Disc Read-Only Memory,CD-ROM),数字视盘(Digital Video Disc-Read Only Memory,DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储装置428可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块442的程序/实用工具440,可以存储在例如存储装置428中,这样的程序模块442包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本发明所描述的实施例中的功能和/或方法。
设备412也可以与一个或多个外部设备414(例如键盘、指向终端、显示器424等)通信,还可与一个或者多个使得用户能与该设备412交互的终端通信,和/或与使得该设备412能与一个或多个其它计算终端进行通信的任何终端(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且,设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(Local Area Network,LAN),广域网(Wide Area Network,WAN)和/或公共网络,例如因特网)通信。如图4所示,网络适配器420通过总线418与设备412的其它模块通信。应当明白,尽管图中未示出,可以结合设备412使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks,RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器416通过运行存储在存储装置428中的程序,从而执行各种功能应用以及数据处理,例如实现本发明任意实施例所提供的空气质量监测数据校准方法,该方法可以包括:
获取参考监测站和待校准监测站所在地理区域的气象数据;
如果所述气象数据满足预设稳态要求,则基于所述气象数据和所述地理区域的地理数据,计算在所述气象数据处于稳定状态的持续时长内,目标物质随大气流动在所述参考监测站和所述待校准监测站之间的扩散时长,其中,预设稳态要求用于定义特定地理区域内的气象数据处于稳定状态的满足条件;
在所述气象数据处于稳定状态的持续时长内,获取所述参考监测站监测的空气质量数据作为参考数据,并获取所述待校准监测站监测的空气质量数据作为待校准数据,其中,所述参考数据与所述待校准数据的采集持续时长相同,且所述参考数据的开始采集时间与所述待校准数据的开始采集时间相差所述扩散时长;
依据所述参考数据和所述待校准数据确定所述参考监测站和所述待校准监测站之间空气质量监测数据的校准关系。
实施例五
本发明实施例五还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的空气质量监测数据校准方法,该方法可以包括:
获取参考监测站和待校准监测站所在地理区域的气象数据;
如果所述气象数据满足预设稳态要求,则基于所述气象数据和所述地理区域的地理数据,计算在所述气象数据处于稳定状态的持续时长内,目标物质随大气流动在所述参考监测站和所述待校准监测站之间的扩散时长,其中,预设稳态要求用于定义特定地理区域内的气象数据处于稳定状态的满足条件;
在所述气象数据处于稳定状态的持续时长内,获取所述参考监测站监测的空气质量数据作为参考数据,并获取所述待校准监测站监测的空气质量数据作为待校准数据,其中,所述参考数据与所述待校准数据的采集持续时长相同,且所述参考数据的开始采集时间与所述待校准数据的开始采集时间相差所述扩散时长;
依据所述参考数据和所述待校准数据确定所述参考监测站和所述待校准监测站之间空气质量监测数据的校准关系。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种空气质量监测数据校准方法,其特征在于,包括:
获取参考监测站和待校准监测站所在地理区域的气象数据;
如果所述气象数据满足预设稳态要求,则基于所述气象数据和所述地理区域的地理数据,计算在所述气象数据处于稳定状态的持续时长内,目标物质随大气流动在所述参考监测站和所述待校准监测站之间的扩散时长,其中,预设稳态要求用于定义特定地理区域内的气象数据处于稳定状态的满足条件;
在所述气象数据处于稳定状态的持续时长内,获取所述参考监测站监测的空气质量数据作为参考数据,并获取所述待校准监测站监测的空气质量数据作为待校准数据,其中,所述参考数据与所述待校准数据的采集持续时长相同,且所述参考数据的开始采集时间与所述待校准数据的开始采集时间相差所述扩散时长;
依据所述参考数据和所述待校准数据确定所述参考监测站和所述待校准监测站之间空气质量监测数据的校准关系。
2.根据权利要求1所述的方法,其特征在于,所述气象数据包括风向与风向持续时长;相应的,所述气象数据满足预设稳态要求包括:
所述风向与基准线的夹角小于或等于夹角阈值,且所述风向持续时长大于或等于时长阈值,其中,所述基准线与所述参考监测站和所述待校准监测站的位置坐标点之间的连线平行。
3.根据权利要求1所述的方法,其特征在于,所述气象数据处于稳定状态的持续时长表示为Te-Tb,所述扩散时长表示为Tm,所述Tb表示所述气象数据处于稳定状态的开始时间,所述Te表示所述气象数据处于稳定状态的结束时间;
如果所述参考监测站处于所述待校准监测站的上游,则所述参考数据的采集时间区间表示为[Tb,Te-Tm],所述待校准数据的采样时间区间表示为[Tb+Tm,Te];
如果所述参考监测站处于所述待校准监测站的下游,则所述参考数据的采集时间区间表示为[Tb+Tm,Te],所述待校准数据的采样时间区间表示为[Tb,Te-Tm]。
4.根据权利要求1所述的方法,其特征在于,基于所述气象数据和所述地理区域的地理数据,计算在所述气象数据处于稳定状态的持续时长内,目标物质随大气流动在所述参考监测站和所述待校准监测站之间的扩散时长,包括:
基于所述气象数据和所述地理区域的地理数据,利用预设空气质量模型计算在所述气象数据处于稳定状态的持续时长内,目标物质随大气流动在所述参考监测站和所述待校准监测站之间的扩散时长;
其中,所述预设空气质量模型包括以下扩散模型中的至少一种:稳态大气扩散模型、非稳态大气扩散模型、高斯烟流模型、稳态高斯扩散模型、点源高斯扩散模型和线性高斯扩散模型。
5.根据权利要求1所述的方法,其特征在于,所述地理数据包括地形数据和建筑物分布数据。
6.一种空气质量监测数据校准装置,其特征在于,包括:
气象数据获取模块,用于获取参考监测站和待校准监测站所在地理区域的气象数据;
扩散时长计算模块,用于如果所述气象数据满足预设稳态要求,则基于所述气象数据和所述地理区域的地理数据,计算在所述气象数据处于稳定状态的持续时长内,目标物质随大气流动在所述参考监测站和所述待校准监测站之间的扩散时长,其中,预设稳态要求用于定义特定地理区域内的气象数据处于稳定状态的满足条件;
参考数据与待校准数据获取模块,用于在所述气象数据处于稳定状态的持续时长内,获取所述参考监测站监测的空气质量数据作为参考数据,并获取所述待校准监测站监测的空气质量数据作为待校准数据,其中,所述参考数据与所述待校准数据的采集持续时长相同,且所述参考数据的开始采集时间与所述待校准数据的开始采集时间相差所述扩散时长;
校准关系确定模块,用于依据所述参考数据和所述待校准数据确定所述参考监测站和所述待校准监测站之间空气质量监测数据的校准关系。
7.根据权利要求6所述的装置,其特征在于,所述气象数据包括风向与风向持续时长;相应的,所述扩散时长计算模块具体用于:
如果所述风向与基准线的夹角小于或等于夹角阈值,且所述风向持续时长大于或等于时长阈值,则基于所述气象数据和所述地理区域的地理数据,计算在所述气象数据处于稳定状态的持续时长内,目标物质随大气流动在所述参考监测站和所述待校准监测站之间的扩散时长;
其中,所述基准线与所述参考监测站和所述待校准监测站的位置坐标点之间的连线平行。
8.根据权利要求6所述的装置,其特征在于,所述气象数据处于稳定状态的持续时长表示为Te-Tb,所述扩散时长表示为Tm,所述Tb表示所述气象数据处于稳定状态的开始时间,所述Te表示所述气象数据处于稳定状态的结束时间;
如果所述参考监测站处于所述待校准监测站的上游,则所述参考数据的采集时间区间表示为[Tb,Te-Tm],所述待校准数据的采样时间区间表示为[Tb+Tm,Te];
如果所述参考监测站处于所述待校准监测站的下游,则所述参考数据的采集时间区间表示为[Tb+Tm,Te],所述待校准数据的采样时间区间表示为[Tb,Te-Tm]。
9.一种设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的空气质量监测数据校准方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一所述的空气质量监测数据校准方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910707541.0A CN110426493B (zh) | 2019-08-01 | 2019-08-01 | 空气质量监测数据校准方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910707541.0A CN110426493B (zh) | 2019-08-01 | 2019-08-01 | 空气质量监测数据校准方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110426493A true CN110426493A (zh) | 2019-11-08 |
CN110426493B CN110426493B (zh) | 2021-10-29 |
Family
ID=68412086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910707541.0A Active CN110426493B (zh) | 2019-08-01 | 2019-08-01 | 空气质量监测数据校准方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110426493B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111398523A (zh) * | 2020-03-30 | 2020-07-10 | 清华-伯克利深圳学院筹备办公室 | 基于分布的传感器数据校准方法及系统 |
CN111830210A (zh) * | 2020-07-30 | 2020-10-27 | 广州交信投科技股份有限公司 | 空气质量监测方法、装置、系统和计算机设备 |
CN112611843A (zh) * | 2020-12-23 | 2021-04-06 | 中科三清科技有限公司 | 空气质量监测及展示方法、装置、电子设备以及存储介质 |
CN113391040A (zh) * | 2021-07-12 | 2021-09-14 | 北京清环宜境技术有限公司 | 一种用于大气微站的数据人工智能自动校准方法 |
CN113945684A (zh) * | 2021-10-14 | 2022-01-18 | 中国计量科学研究院 | 一种基于大数据的微型空气站自校准方法 |
CN114510850A (zh) * | 2022-04-20 | 2022-05-17 | 四川国蓝中天环境科技集团有限公司 | 一种大气六参差异化的多模型融合校准方法及系统 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001075439A2 (en) * | 2000-04-04 | 2001-10-11 | Oridion Medical 1987 Ltd. | Breath test apparatus and methods |
US20080097701A1 (en) * | 2006-09-07 | 2008-04-24 | Mcgill University | Short term and long term forecasting systems with enhanced prediction accuracy |
US20130298642A1 (en) * | 2012-05-08 | 2013-11-14 | Logimesh IP, LLC | Remote air monitoring array system |
WO2015159101A1 (en) * | 2014-04-17 | 2015-10-22 | Airbase Systems Ltd | A method and system for analysing environmental data |
CN105181898A (zh) * | 2015-09-07 | 2015-12-23 | 李岩 | 基于大密度部署传感器的大气污染监控及管理方法及系统 |
WO2016020762A2 (en) * | 2014-08-04 | 2016-02-11 | TaKaDu Ltd. | A system and method for assessing sensors' reliability |
CN105372388A (zh) * | 2015-10-14 | 2016-03-02 | 北京千安哲信息技术有限公司 | 用于有限时间稳态泄漏的气体浓度监测方法及装置 |
EP3076171A1 (en) * | 2015-03-30 | 2016-10-05 | Albert-Ludwigs-Universität Freiburg | Passive contaminent sampling device |
CN106934032A (zh) * | 2017-03-14 | 2017-07-07 | 软通动力信息技术(集团)有限公司 | 一种城市知识图谱构建方法及装置 |
CN107612999A (zh) * | 2017-09-20 | 2018-01-19 | 广东先河科迪隆科技有限公司 | 大气网格化精准监控系统 |
CN108415105A (zh) * | 2018-01-23 | 2018-08-17 | 南京信息工程大学 | 一种对地面气象观测站观测相对湿度数值的检验方法 |
CN108414682A (zh) * | 2018-01-29 | 2018-08-17 | 东莞理工学院 | 一种基于无线传感器网络的空气质量监测数据快速校准方法 |
CN108469273A (zh) * | 2018-02-27 | 2018-08-31 | 济宁中科云天环保科技有限公司 | 基于机器学习算法的云端数据联调校准方法 |
US20180259678A1 (en) * | 2017-03-07 | 2018-09-13 | International Business Machines Corporation | Post-processing air quality forecasts |
CN108614071A (zh) * | 2018-03-21 | 2018-10-02 | 中国科学院自动化研究所 | 分布式室外大气质量监测精度校正系统及参数更新方法 |
CN109462664A (zh) * | 2018-12-29 | 2019-03-12 | 软通智慧科技有限公司 | 一种农牧灌溉水表监测系统 |
CN109633102A (zh) * | 2019-01-25 | 2019-04-16 | 天津市生态环境监测中心 | 一种气体校准仪的偏差检测系统及方法 |
CN109765338A (zh) * | 2018-12-29 | 2019-05-17 | 北京英视睿达科技有限公司 | 扩散性环境污染物监测设备的校正方法和系统及更换方法 |
CN109781934A (zh) * | 2017-11-13 | 2019-05-21 | 富士通株式会社 | 环境传感器检测数据的处理装置、处理方法、计算机可读存储介质、以及环境传感器系统 |
-
2019
- 2019-08-01 CN CN201910707541.0A patent/CN110426493B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001075439A2 (en) * | 2000-04-04 | 2001-10-11 | Oridion Medical 1987 Ltd. | Breath test apparatus and methods |
US20080097701A1 (en) * | 2006-09-07 | 2008-04-24 | Mcgill University | Short term and long term forecasting systems with enhanced prediction accuracy |
US20130298642A1 (en) * | 2012-05-08 | 2013-11-14 | Logimesh IP, LLC | Remote air monitoring array system |
WO2015159101A1 (en) * | 2014-04-17 | 2015-10-22 | Airbase Systems Ltd | A method and system for analysing environmental data |
WO2016020762A2 (en) * | 2014-08-04 | 2016-02-11 | TaKaDu Ltd. | A system and method for assessing sensors' reliability |
EP3076171A1 (en) * | 2015-03-30 | 2016-10-05 | Albert-Ludwigs-Universität Freiburg | Passive contaminent sampling device |
CN105181898A (zh) * | 2015-09-07 | 2015-12-23 | 李岩 | 基于大密度部署传感器的大气污染监控及管理方法及系统 |
CN105372388A (zh) * | 2015-10-14 | 2016-03-02 | 北京千安哲信息技术有限公司 | 用于有限时间稳态泄漏的气体浓度监测方法及装置 |
US20180259678A1 (en) * | 2017-03-07 | 2018-09-13 | International Business Machines Corporation | Post-processing air quality forecasts |
CN106934032A (zh) * | 2017-03-14 | 2017-07-07 | 软通动力信息技术(集团)有限公司 | 一种城市知识图谱构建方法及装置 |
CN107612999A (zh) * | 2017-09-20 | 2018-01-19 | 广东先河科迪隆科技有限公司 | 大气网格化精准监控系统 |
CN109781934A (zh) * | 2017-11-13 | 2019-05-21 | 富士通株式会社 | 环境传感器检测数据的处理装置、处理方法、计算机可读存储介质、以及环境传感器系统 |
CN108415105A (zh) * | 2018-01-23 | 2018-08-17 | 南京信息工程大学 | 一种对地面气象观测站观测相对湿度数值的检验方法 |
CN108414682A (zh) * | 2018-01-29 | 2018-08-17 | 东莞理工学院 | 一种基于无线传感器网络的空气质量监测数据快速校准方法 |
CN108469273A (zh) * | 2018-02-27 | 2018-08-31 | 济宁中科云天环保科技有限公司 | 基于机器学习算法的云端数据联调校准方法 |
CN108614071A (zh) * | 2018-03-21 | 2018-10-02 | 中国科学院自动化研究所 | 分布式室外大气质量监测精度校正系统及参数更新方法 |
CN109462664A (zh) * | 2018-12-29 | 2019-03-12 | 软通智慧科技有限公司 | 一种农牧灌溉水表监测系统 |
CN109765338A (zh) * | 2018-12-29 | 2019-05-17 | 北京英视睿达科技有限公司 | 扩散性环境污染物监测设备的校正方法和系统及更换方法 |
CN109633102A (zh) * | 2019-01-25 | 2019-04-16 | 天津市生态环境监测中心 | 一种气体校准仪的偏差检测系统及方法 |
Non-Patent Citations (4)
Title |
---|
BRODAY, DAVID M.: "Wireless Distributed Environmental Sensor Networks for Air Pollution MeasurementThe Promise and the Current Reality", 《SENSORS》 * |
TSUJITA, W等: "Gas sensor network for air-pollution monitoring", 《SENSORS AND ACTUATORS B: CHEMICAL》 * |
王剑敏等: "环境空气质量臭氧自动监测仪校准方法探讨", 《环境科学导刊》 * |
王红兵: "浅谈计量检定和校准在环境监测质量管理中的作用", 《低碳世界》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111398523A (zh) * | 2020-03-30 | 2020-07-10 | 清华-伯克利深圳学院筹备办公室 | 基于分布的传感器数据校准方法及系统 |
CN111398523B (zh) * | 2020-03-30 | 2022-08-02 | 清华-伯克利深圳学院筹备办公室 | 基于分布的传感器数据校准方法及系统 |
CN111830210A (zh) * | 2020-07-30 | 2020-10-27 | 广州交信投科技股份有限公司 | 空气质量监测方法、装置、系统和计算机设备 |
CN112611843A (zh) * | 2020-12-23 | 2021-04-06 | 中科三清科技有限公司 | 空气质量监测及展示方法、装置、电子设备以及存储介质 |
CN113391040A (zh) * | 2021-07-12 | 2021-09-14 | 北京清环宜境技术有限公司 | 一种用于大气微站的数据人工智能自动校准方法 |
CN113391040B (zh) * | 2021-07-12 | 2023-09-15 | 北京清环宜境技术有限公司 | 一种用于大气微站的数据人工智能自动校准方法 |
CN113945684A (zh) * | 2021-10-14 | 2022-01-18 | 中国计量科学研究院 | 一种基于大数据的微型空气站自校准方法 |
CN114510850A (zh) * | 2022-04-20 | 2022-05-17 | 四川国蓝中天环境科技集团有限公司 | 一种大气六参差异化的多模型融合校准方法及系统 |
CN114510850B (zh) * | 2022-04-20 | 2022-06-21 | 四川国蓝中天环境科技集团有限公司 | 一种大气六参差异化的多模型融合校准方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110426493B (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110426493A (zh) | 空气质量监测数据校准方法、装置、设备和存储介质 | |
US10268198B2 (en) | System and method for tracking pollution | |
CN107431896B (zh) | 基于连接技术的无线覆盖验证 | |
US11226323B2 (en) | Air-pollution emission source monitoring | |
JP7048928B2 (ja) | 動的ペアリングおよび比較に基づく大気汚染源認識 | |
Dewan | A Model for C2n (optical turbulence) profiles using radiosonde data | |
CN112731565B (zh) | 一种基于多级网格地图的天气预报数据加工方法及装置 | |
US20210233127A1 (en) | System and method for identifying wireless communication assets | |
CN110781263A (zh) | 房源信息展示方法、装置、电子设备及计算机存储介质 | |
US20160370332A1 (en) | Generating fine resolution air pollution estimates | |
US20210099307A1 (en) | Method, apparatus, and system for embedding information into probe data | |
CN111238507A (zh) | 小区地理位置的确定方法、系统、电子设备及存储介质 | |
CN110659433A (zh) | Poi价值评估的方法、装置、设备和计算机存储介质 | |
Bormann | Slant path radiative transfer for the assimilation of sounder radiances | |
KR102326602B1 (ko) | 자료동화 및 하이브리드 모델을 적용한 상세 공간 해상도 오염지도 산출 방법 및 정보 제공 방법 | |
US7395257B2 (en) | Automated method and system to calculate the surface distance between two geographical locations, and to filter a data set based on the calculation | |
CN113358040A (zh) | 输电线路覆冰厚度获取方法、装置和计算机设备 | |
CN107329938A (zh) | 一种河流干旱灾害情况预测方法 | |
CN115859026A (zh) | 一种高分辨率近地面pm2.5浓度遥感反演方法及装置 | |
Bao et al. | Distributed real‐time monitoring system for atmospheric particles | |
Toth et al. | Analysis of finescale weather phenomena | |
KR20150021168A (ko) | 스마트기기를 이용한 현장 조사 시스템 | |
Parmar et al. | Development of end-to-end low-cost IoT system for densely deployed PM monitoring network: an Indian case study | |
CN109446703B (zh) | 一种斜拉索气动阻力确定方法、装置及终端设备 | |
Hu et al. | An accurate height reduction model for zenith tropospheric delay correction using ECMWF data |
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 | ||
CB02 | Change of applicant information |
Address after: Room 301-1, floor 3, building 10, Zhongguancun Software Park, No. 8, Dongbeiwang West Road, Haidian District, Beijing 100193 Applicant after: Beijing softong Intelligent Technology Co.,Ltd. Address before: 100193 202, floor 2, building 16, East District, No. 10, northwest Wangdong Road, Haidian District, Beijing Applicant before: Beijing Softcom Smart City Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |