CN110926532A - 一种基于大数据的城市扬尘数字化监控系统 - Google Patents
一种基于大数据的城市扬尘数字化监控系统 Download PDFInfo
- Publication number
- CN110926532A CN110926532A CN201911197584.5A CN201911197584A CN110926532A CN 110926532 A CN110926532 A CN 110926532A CN 201911197584 A CN201911197584 A CN 201911197584A CN 110926532 A CN110926532 A CN 110926532A
- Authority
- CN
- China
- Prior art keywords
- data
- big data
- module
- digital
- acquisition module
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING 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
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种基于大数据的城市扬尘数字化监控系统,包括包括数据采集终端、实时监控平台、数据中心,所述数据中心用于存储和处理数据采集终端采集的数据,还包括以下步骤:S1、收集目标城市历史气象大数据和空气质量大数据,并将数据归一化处理;S2、采用PSO‑SVM模型对历史气象数据和空气质量数据进行训练;S3、将数据采集终端采集的实时数据输入已经训练好的PSO‑SVM模型,利用PSO‑SVM模型对空气质量预测;S4、将空气质量预测结果通过无线传输方式传送到实时监控平台供决策者分析执行。本发明不仅可以同时对粉尘、噪声、气象、环境进行监测,为城市环境治理提供综合性数据;还基于污染数据的大数据,实现城市污染物的预测并实现监测的信息化和动态化。
Description
技术领域
本发明涉及环境监测技术领域,具体涉及一种基于大数据的城市扬尘数字化监控系统。
背景技术
近年来,随着工业化、城市化的快速推进,雾霾天气在我国频繁发生。雾霾一旦被人从呼吸道吸入,就会容易造成血液中毒。未被溶解的部分被细胞吸收容易破坏细胞造成尘肺。雾霾严重时,其污染物杂质可使人的中枢神经发生病变,引起肺水肿或慢性气管炎,特别是当人们吸入肺部,严重时可导致肺气肿及肺癌等症。而导致雾霾天气的主要元凶就是漂浮在空气中的尘埃,城市空气中的尘埃来源于工业烟尘和粉尘的数量逐年减少,而来源于扬尘所占的比重却在逐年增加,目前已经成为影响空气质量、危害居民身体健康的重要污染源之一。
当前,随着经济建设的迅速发展,大刀阔斧的城市建设所引发的扬尘污染已成为城市环境污染的突出问题,它给人们身体健康带来了极大的危害,严重的影响环境空气质量和我们的生存环境,因此控制扬尘污染迫在眉睫,需要建立一种基于大数据、能实时预警预报的城市扬尘监控系统。
发明内容
针对上述问题,本发明提供一种基于大数据的城市扬尘数字化监控系统,能够实时监控并预测城市控制质量。
本发明采用下述的技术方案:
一种基于大数据的城市扬尘数字化监控系统,包括数据采集终端、实时监控平台、数据中心,所述数据中心用于存储和处理数据采集终端采集的数据,还包括以下步骤:
S1、收集目标城市历史气象大数据和空气质量大数据,并将数据归一化处理;
S2、采用PSO-SVM模型对历史气象数据和空气质量数据进行训练;
S3、将数据采集终端采集的实时数据输入已经训练好的PSO-SVM模型,利用PSO-SVM模型对空气质量预测;
S4、将空气质量预测结果通过无线传输方式传送到实时监控平台供决策者分析执行。
优选的,所述历史气象大数据包括风速、风向、大气温度、带起湿度、大气压力,空气质量大数据包括噪声、颗粒物浓度。
优选的,所述归一化处理的计算公式如下:
式中,x为待处理的数据,xmax和xmin分别为数据中相应评价指标的最大值和最小值。
优选的,步骤S3中,对预测结果精度进行评估,计算公式如下:
式中,fi表示预测值,yi表示真实值。
优选的,所述数据采集终端包括数据采集模块、图像采集模块、位置信息采集模块、数据采集处理模块、LED显示屏、语音播报模块和电源,所述数据采集模块、图像采集模块、位置信息采集模块、LED显示屏、语音播报模块、电源均与数据采集处理模块相连。
优选的,所述数据采集模块包括扬尘采集模块、噪声传感器、气象五参数监测仪,所述扬尘采集模块、噪声传感器、气象五参数监测仪均与电源相连;所述图像采集模块包括球形摄像机、嵌入式硬盘录像机,所述嵌入式硬盘录像机用于记录球形摄像机输出的图像信息,所述位置信息采集模块为GPS定位器。
优选的,所述数据采集处理模块是集模拟、信息采集、GPRS数据传输于一体的数据采集处理模块,将各传感器、数据采集模块中的电压或电流信号转化为数字信号后传输给实时监控平台。
优选的,所述语音播报模块包括喇叭、语音控制模块,所述喇叭与语音控制模块相连。
本发明的有益效果是:
本发明不仅可以同时对粉尘、噪声、气象、环境进行监测,为城市环境治理提供综合性数据;通过基于污染数据的大数据,实现城市污染物的预测并实现监测的信息化和动态化。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例的附图作简单地介绍,显而易见地,下面描述中的附图仅仅涉及本发明的一些实施例,而非对本发明的限制。
图1为本发明的拓扑结构示意图;
图2为本发明数据处理中心数据处理过程示意图;
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例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发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另外定义,本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
下面结合附图和实施例对本发明进一步说明。
如图1至图2所示,一种基于大数据的城市扬尘数字化监控系统,包括数据采集终端、实时监控平台、数据中心,所述实时监控平台包括数据接收模块,实时监控平台与数据采集终端无线网络相连,用于监控数据采集终端获取的数据,所述数据库与实时监控平台通过Internet网络相连,数据库用于存储数据,所述数据中心用于存储和处理数据采集终端采集的数据,还包括以下步骤:
S1、收集目标城市历史气象大数据和空气质量大数据,并将数据归一化处理;所述历史气象大数据包括风速、风向、大气温度、带起湿度、大气压力,空气质量大数据包括噪声、颗粒物浓度。
由于以上数据间的量纲不一致,为了客观分析出不同量纲的数据分量对结果的影响程度,需要先对数据进行归一化处理,即把数据都处理到[0,1]之间,通过软件Matlab利用以下公式进行处理:
式中,x为待处理的数据,xmax和xmin分别为数据中相应评价指标的最大值和最小值。
数据处理完后获得空气质量的输入向量。
S2、采用PSO-SVM模型对历史气象数据和空气质量数据进行训练;构建PSO-SVM模型,确定输入数据的嵌入维度,并根据监控系统的需求,选择合适的核函数;利用粒子群优化算法对PSO-SVM模型的两个核心参数(核函数和惩罚参数)进行参数寻优;将所得的最佳参数组合输入至PSO-SVM模型中。
S3、将数据采集终端采集的实时数据输入已经训练好的PSO-SVM模型,利用PSO-SVM模型对空气质量回归预测;
由于对空气质量等级的回归预测结果有一个取整的步骤,统计量相对误差并不能真实反映越策结果的好坏,故需采用均方误差MSE检验统计量对预测模型的综合表现进行评估,计算公式如下:
式中,fi表示预测值,yi表示真实值。
S4、将空气质量预测结果通过无线传输方式传送到实时监控平台供决策者分析执行。
所述数据采集终端包括数据采集模块、图像采集模块、位置信息采集模块、数据采集处理模块、LED显示屏、语音播报模块和电源,所述数据采集模块、图像采集模块、位置信息采集模块、LED显示屏、语音播报模块、电源均与数据采集处理模块相连。所述数据采集模块包括扬尘采集模块、噪声传感器、气象五参数监测仪,所述扬尘采集模块、噪声传感器、气象五参数监测仪均与电源相连;所述图像采集模块包括球形摄像机、嵌入式硬盘录像机,所述嵌入式硬盘录像机用于记录球形摄像机输出的图像信息,所述位置信息采集模块为GPS定位器。所述数据采集处理模块是集模拟、信息采集、GPRS数据传输于一体的数据采集处理模块,将各传感器、数据采集模块中的电压或电流信号转化为数字信号后传输给实时监控平台。所述语音播报模块包括喇叭、语音控制模块,所述喇叭与语音控制模块相连。
所述语音控制模块包括FLASH芯片、8位单片机,语音信号输出同时包含DAC和PWM两种方式。DAC输出16BIT音频信号,接入功放,音质接近CD音质。PWM按CLASS-AB方式直接输12BITPWM信号,直推0.5-1W/8Ω的扬声器。所述电源为移动电源,具体的为锂电池;所述数据采集模块包括扬尘采集模块、噪声传感器、气象五参数监测仪,所述扬尘采集模块、噪声传感器、气象五参数监测仪均与电源相连;所述噪声传感器测量范围为30db-130db,频率范围31.5HZ-8KHZ,输出信号为RS485 modbus协议、RS485ascii协议,工作环境温度-30℃-70℃;所述扬尘采集模块包括颗粒物浓度传感器,RS485接口、继电器,采用激光散射原理,即令激光照射在空气中的悬浮颗粒物上产生散射,同时在某一特定角度收集散射光,得到散射光强随时间变化的曲线。进而微处理器利用基于米氏(MIE)理论的算法,得出颗粒物的等效粒径及单位体积内不同粒径的颗粒物数量。PM2.5测量范围0-500μg/m3,PM10测量范围0-1000μg/m3。所述图像采集模块包括球形摄像机、嵌入式硬盘录像机,所述嵌入式硬盘录像机用于记录球形摄像机输出的图像信息,所述球形摄像机、嵌入式硬盘录像机串联连接,所述嵌入式硬盘录像机的输出端与数据采集处理模块相连,所述位置信息采集模块为GPS定位器;所述气象五参数监测仪包括温度传感器、湿度传感器、风向传感器、风速传感器、气压传感器、RS232接口、RS485接口、实时时钟、单片机,所述温度传感器、湿度传感器、风向传感器、风速传感器、气压传感器均与单片机相连。
本发明实现数字化自动监管:基于大数据和实时数据、实时比对分析、实时预警预报,全天候24小时全面监控扬尘污染情况,自动上传到实时监控平台,和国家大气污染管理部门发布的国控数据进行比对,超限值实时预警,结合集成的视频监控和现场指令(如语音播报功能、屏显提示)模块的使用,通过实时监控平台对超标预警单位第一时间做出指令,大幅提高工作效率。通过实时监控平台实现综合信息化管理及在线实时全景查看及历史分析回顾、分析;为清楚界定不同区域扬尘污染的贡献程度提供可靠的数据支持;准确衡量不同监测点位抑尘工作水平,为现场执法或者将来执罚提供详实的依据。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (8)
1.一种基于大数据的城市扬尘数字化监控系统,其特征在于,包括数据采集终端、实时监控平台、数据中心,所述数据中心用于存储和处理数据采集终端采集的数据,还包括以下步骤:
S1、收集目标城市历史气象大数据和空气质量大数据,并将数据归一化处理;
S2、采用PSO-SVM模型对历史气象数据和空气质量数据进行训练;
S3、将数据采集终端采集的实时数据输入已经训练好的PSO-SVM模型,利用PSO-SVM模型对空气质量预测;
S4、将空气质量预测结果通过无线传输方式传送到实时监控平台供决策者分析执行。
2.根据权利要求1所述的一种基于大数据的城市扬尘数字化监控系统,其特征在于,所述历史气象大数据包括风速、风向、大气温度、带起湿度、大气压力,空气质量大数据包括噪声、颗粒物浓度。
5.根据权利要求1所述的一种基于大数据的城市扬尘数字化监控系统,其特征在于,所述数据采集终端包括数据采集模块、图像采集模块、位置信息采集模块、数据采集处理模块、LED显示屏、语音播报模块和电源,所述数据采集模块、图像采集模块、位置信息采集模块、LED显示屏、语音播报模块、电源均与数据采集处理模块相连。
6.根据权利要求5所述的一种基于大数据的城市扬尘数字化监控系统,其特征在于,所述数据采集模块包括扬尘采集模块、噪声传感器、气象五参数监测仪,所述扬尘采集模块、噪声传感器、气象五参数监测仪均与电源相连;所述图像采集模块包括球形摄像机、嵌入式硬盘录像机,所述嵌入式硬盘录像机用于记录球形摄像机输出的图像信息,所述位置信息采集模块为GPS定位器。
7.根据权利要求5所述的一种基于大数据的城市扬尘数字化监控系统,其特征在于,所述数据采集处理模块是集模拟、信息采集、GPRS数据传输于一体的数据采集处理模块,将各传感器、数据采集模块中的电压或电流信号转化为数字信号后传输给实时监控平台。
8.根据权利要求5所述的一种基于大数据的城市扬尘数字化监控系统,其特征在于,所述语音播报模块包括喇叭、语音控制模块,所述喇叭与语音控制模块相连。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911197584.5A CN110926532A (zh) | 2019-11-29 | 2019-11-29 | 一种基于大数据的城市扬尘数字化监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911197584.5A CN110926532A (zh) | 2019-11-29 | 2019-11-29 | 一种基于大数据的城市扬尘数字化监控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110926532A true CN110926532A (zh) | 2020-03-27 |
Family
ID=69847827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911197584.5A Pending CN110926532A (zh) | 2019-11-29 | 2019-11-29 | 一种基于大数据的城市扬尘数字化监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110926532A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111581602A (zh) * | 2020-05-07 | 2020-08-25 | 南京信息工程大学 | 一种空气质量指数自适应预测语音系统 |
CN112050851A (zh) * | 2020-07-17 | 2020-12-08 | 上海有间建筑科技有限公司 | 一种智慧工地环境监测系统 |
CN112528968A (zh) * | 2021-02-09 | 2021-03-19 | 中关村科学城城市大脑股份有限公司 | 应用于城市治理的扬尘检测方法和系统 |
CN113011455A (zh) * | 2021-02-02 | 2021-06-22 | 北京数汇通信息技术有限公司 | 一种空气质量预测svm模型构建方法 |
TWI743980B (zh) * | 2020-09-08 | 2021-10-21 | 國立宜蘭大學 | 河川揚塵預測系統 |
CN115796034A (zh) * | 2022-12-01 | 2023-03-14 | 信阳师范学院 | 一种基于机器学习和数值模式的道路扬尘贡献评估系统和方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104820877A (zh) * | 2015-05-21 | 2015-08-05 | 河海大学 | 基于云自适应pso-snn的光伏系统发电功率预测方法 |
CN106295874A (zh) * | 2016-08-08 | 2017-01-04 | 上海交通大学 | 基于深信度网络的交通流参数预测方法 |
CN108982915A (zh) * | 2018-05-25 | 2018-12-11 | 广西电网有限责任公司电力科学研究院 | 一种加速度传感器温度补偿方法 |
CN109187297A (zh) * | 2018-09-05 | 2019-01-11 | 四川省环境保护科学研究院 | 一种城市扬尘控制数字化监控预警预报系统 |
US20190113445A1 (en) * | 2017-10-16 | 2019-04-18 | Weimin Zhang | Air pollution monitoring system and air pollution monitoring method |
CN110441065A (zh) * | 2019-07-04 | 2019-11-12 | 杭州华电江东热电有限公司 | 基于lstm的燃气轮机在线检测方法与装置 |
-
2019
- 2019-11-29 CN CN201911197584.5A patent/CN110926532A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104820877A (zh) * | 2015-05-21 | 2015-08-05 | 河海大学 | 基于云自适应pso-snn的光伏系统发电功率预测方法 |
CN106295874A (zh) * | 2016-08-08 | 2017-01-04 | 上海交通大学 | 基于深信度网络的交通流参数预测方法 |
US20190113445A1 (en) * | 2017-10-16 | 2019-04-18 | Weimin Zhang | Air pollution monitoring system and air pollution monitoring method |
CN108982915A (zh) * | 2018-05-25 | 2018-12-11 | 广西电网有限责任公司电力科学研究院 | 一种加速度传感器温度补偿方法 |
CN109187297A (zh) * | 2018-09-05 | 2019-01-11 | 四川省环境保护科学研究院 | 一种城市扬尘控制数字化监控预警预报系统 |
CN110441065A (zh) * | 2019-07-04 | 2019-11-12 | 杭州华电江东热电有限公司 | 基于lstm的燃气轮机在线检测方法与装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111581602A (zh) * | 2020-05-07 | 2020-08-25 | 南京信息工程大学 | 一种空气质量指数自适应预测语音系统 |
CN112050851A (zh) * | 2020-07-17 | 2020-12-08 | 上海有间建筑科技有限公司 | 一种智慧工地环境监测系统 |
TWI743980B (zh) * | 2020-09-08 | 2021-10-21 | 國立宜蘭大學 | 河川揚塵預測系統 |
CN113011455A (zh) * | 2021-02-02 | 2021-06-22 | 北京数汇通信息技术有限公司 | 一种空气质量预测svm模型构建方法 |
CN113011455B (zh) * | 2021-02-02 | 2024-01-05 | 北京数汇通信息技术有限公司 | 一种空气质量预测svm模型构建方法 |
CN112528968A (zh) * | 2021-02-09 | 2021-03-19 | 中关村科学城城市大脑股份有限公司 | 应用于城市治理的扬尘检测方法和系统 |
CN112528968B (zh) * | 2021-02-09 | 2021-06-08 | 中关村科学城城市大脑股份有限公司 | 应用于城市治理的扬尘检测方法和系统 |
CN115796034A (zh) * | 2022-12-01 | 2023-03-14 | 信阳师范学院 | 一种基于机器学习和数值模式的道路扬尘贡献评估系统和方法 |
CN115796034B (zh) * | 2022-12-01 | 2024-01-30 | 信阳师范学院 | 基于机器学习和数值模式的道路扬尘贡献评估系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110926532A (zh) | 一种基于大数据的城市扬尘数字化监控系统 | |
Alías et al. | Review of wireless acoustic sensor networks for environmental noise monitoring in smart cities | |
WO2018214060A1 (zh) | 一种城市小尺度空气质量指数预测方法与系统 | |
CN110531029B (zh) | 一种基于环保物联网大数据预测空气质量趋势的装置 | |
CN112437876A (zh) | 一种提高大气污染物监测数据客观性的方法及系统 | |
CN106932543A (zh) | 火电厂环境烟气监测预警系统 | |
CN104751242A (zh) | 预测空气质量指数的方法与装置 | |
CN114778767B (zh) | 碳排放园区直接碳排放连续测量方法、装置、设备及介质 | |
CN110989041B (zh) | 一种灰霾和沙尘天气的预报方法及预报系统 | |
CN109187297A (zh) | 一种城市扬尘控制数字化监控预警预报系统 | |
CN115759488B (zh) | 一种基于边缘计算的碳排放监测预警分析系统及其方法 | |
CN107884511A (zh) | 用于预测室内空气质量的设备和方法 | |
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 | |
CN101893726A (zh) | 一种风沙灾害模拟装置及模拟方法 | |
CN105278596A (zh) | 一种大气监测和分析系统 | |
CN113284026A (zh) | 一种大数据智慧园区管理系统 | |
CN115145166A (zh) | 一种数字孪生智慧园区数化仿真系统 | |
CN113970511A (zh) | 一种基于bp神经网络的空气颗粒物数据监测系统及方法 | |
CN204008236U (zh) | 氟化物采样器 | |
CN112857450A (zh) | 一种环境空气质量自动监测系统 | |
CN109902647B (zh) | 一种便携式在线鸟巢智能识别方法及系统 | |
CN109709010A (zh) | 可扩展一体化设计的大气降尘监测系统 | |
CN206057275U (zh) | 一种室内空气检测装置 | |
CN111537027A (zh) | 一种智慧景区环境舒适度评价方法及系统 | |
CN114235653A (zh) | 基于端云协同的大气颗粒污染物时空预测云平台 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200327 |
|
RJ01 | Rejection of invention patent application after publication |