CN111650345A - 大气环境污染检测数据的处理方法、装置、设备及介质 - Google Patents
大气环境污染检测数据的处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN111650345A CN111650345A CN202010675486.4A CN202010675486A CN111650345A CN 111650345 A CN111650345 A CN 111650345A CN 202010675486 A CN202010675486 A CN 202010675486A CN 111650345 A CN111650345 A CN 111650345A
- Authority
- CN
- China
- Prior art keywords
- data point
- data
- time
- detection data
- filtering
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 127
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000012545 processing Methods 0.000 title claims abstract description 33
- 238000003912 environmental pollution Methods 0.000 title claims abstract description 19
- 238000001914 filtration Methods 0.000 claims abstract description 72
- 230000002159 abnormal effect Effects 0.000 claims abstract description 68
- 238000005070 sampling Methods 0.000 claims abstract description 15
- 238000012544 monitoring process Methods 0.000 claims description 53
- 239000003344 environmental pollutant Substances 0.000 claims description 21
- 231100000719 pollutant Toxicity 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000003672 processing method Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 14
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 14
- 230000007613 environmental effect Effects 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 8
- 239000000356 contaminant Substances 0.000 description 5
- 238000005259 measurement Methods 0.000 description 2
- 239000013618 particulate matter Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
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
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0063—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a threshold to release an alarm or displaying means
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Alarm Systems (AREA)
Abstract
本申请公开了一种大气环境污染检测数据的处理方法、装置、设备及介质。方法包括：针对检测数据进行滤波去噪处理；对经过滤波去噪处理的检测数据进行采样，得到若干数据点；针对所有数据点作出相应的第一检测数据与时间关系曲线图；根据时间先后顺序，通过异常数据点判断方法从第二个数据点开始依次判断第一检测数据与时间关系曲线图上的各数据点是否为异常数据点，剔除异常数据点，得到第二检测数据与时间关系曲线图；利用第二检测数据与时间关系曲线图，判断实时数据点是否为异常数据点；若是则执行告警操作。本申请的方法通过对检测数据进行滤波去噪处理，达到了良好的去噪声效果，避免了噪声对检测结果产生的影响，提高了检测数据的准确度。
Description
技术领域
本申请涉及环境监测技术领域，具体涉及一种大气环境污染检测数据的处理方法、装置、设备及介质。
背景技术
微型空气监测站被越来越多地应用于环境监测及管理工作，其检测数据的整体趋势与标准监测方法所得数据的一致性较好，因此具有一定的可用性。微型空气监测站高频的检测数据可被重点应用于污染源探寻方面，空气污染物排放源的排放活动具有突发性和持续性的特点。
近年来，受限于空气质量六参(PM2.5、PM10、SO2、NO2、O3、CO)国标监测法设备的多种不便因素，基于传感器的空气质量微型监测站(以下简称微型空气监测站)利用体积小、价格低廉且实施迅速的优势在我国环保领域快速打开了市场。目前，国内微型空气监测站设备主要由颗粒物传感器和电化学气体传感器这两类构成，颗粒物传感器中国产攀藤(Plantower)应用最广，电化学气体传感器主要使用瑞士MEMBRAPOR和英国Alphasense。但是，这些传感器同样存在长期基线漂移及受环境因素(特别是湿度)影响大的问题，在使用过程中，许多用户发现微型空气监测站设备所监测的数据与国标法设备监测所得数据的差异较大。其中一个原因在于，在微型空气监测站设备对周围环境进行数据采样的过程中，尤其是在强电磁环境下的模拟量采集过程中，存在多方面原因引起的屏蔽效果减弱或由于环境制约引起的屏蔽效果差，导致检测设备所获取的检测采样信号中混入了较多的噪声。混入噪声的检测数据无法直接利用，因此需要对检测数据进行滤波去噪处理，然而，现有技术的滤波去噪处理方法往往达不到所需要的滤波去噪效果。
目前，大部分厂商对空气质量检测数据的使用集中在“阈值”报警法，即污染物浓度超过一定阈值即报警。这一方法对数据质量的要求很高，微型空气监测站显然不能满足；并且，这一方式不适用于污染源周边环境监测。另外有厂商使用了全局报警方法，即基于某点位结果与其他相近N个点位的平均值与差值的范围发起不同的级别的报警，但是全局报警方法对点位间的距离要求较高，远距离点位间误报较多。
发明内容
本申请的目的是提供一种大气环境污染检测数据的处理方法、装置、设备及介质。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
根据本申请实施例的一个方面，提供一种大气环境污染检测数据的处理方法，包括：
针对一段时间内的检测数据进行滤波去噪处理；
按照相同的时间间隔对经过滤波去噪处理的检测数据进行采样，得到若干数据点；
针对所有所述数据点作出相应的第一检测数据与时间关系曲线图；
根据时间先后顺序，通过异常数据点判断方法从第二个数据点开始依次判断所述第一检测数据与时间关系曲线图上的各数据点是否为异常数据点；
若某数据点被确定为异常数据点，则剔除该数据点，针对剩余的数据点重新作出相应的检测数据与时间关系曲线图，再判断所述某数据点的后一个数据点是否为异常数据点；
若某数据点不是异常数据点，则保留该数据点，继续判断其后一个数据点是否为异常数据点，直至所述第一监测数据与时间关系曲线图上的各数据点均被检测完毕为止，得到第二监测数据与时间关系曲线图；
利用所述第二监测数据与时间关系曲线图，通过所述异常数据点判断方法来判断所获得的实时数据点是否为异常数据点；
若所述实时数据点是异常数据点，则执行告警操作。
进一步地，所述针对一段时间内的检测数据进行滤波去噪处理，包括：
设定相邻两次检测数据的第一差值阈值；
将当前检测数据与其上一次检测数据进行差分比较；
根据差分比较结果选择滤波去噪输出值的计算规则，并得到滤波去噪输出值；
根据多次的滤波去噪输出值判断出检测数据的变化趋势；
基于所述变化趋势实时更新所述第一差值阈值。
进一步地，所述根据差分比较结果选择滤波去噪输出值的计算规则，并得到滤波去噪输出值，包括：
将所述差分比较结果与已经设计好的计算规则进行比对，将符合所述计算规则并且根据此计算规则计算出来的值作为此次滤波去噪处理过程的滤波去噪输出值。
进一步地，所述计算规则包括：
若所述差分比较结果位于正负对称闭区间内，则以当前检测数据作为所述滤波去噪输出值；所述正负对称闭区间的两端点分别为负第一差值阈值和正第一差值阈值；
若所述差分比较结果大于正负对称闭区间的正端点值，则以上一次检测数据加上所述正端点值作为滤波去噪输出值；
若所述差分比较结果小于正负对称闭区间的负端点值，则以上一次检测数据减去所述负端点值作为所述滤波去噪输出值。
进一步地，所述针对所有所述数据点作出相应的第一检测数据与时间关系曲线图，包括：
以时间轴作为横轴，以污染物浓度值作为纵轴，作出直角坐标系；
将所述所有数据点置于直角坐标系中；
对所述所有数据点进行曲线拟合，拟合出检测数据与时间关系曲线图；
其中，所述数据点包括监测时刻和在该监测时刻所检测到的污染物浓度值两个维度值。
进一步地，所述将所述所有数据点置于直角坐标系中，包括：使各数据点的监测时刻与所述横轴上的点进行对应，使各数据点的污染物浓度值与所述纵轴上的点进行对应，将各数据点绘制到直角坐标系中。
进一步地，所述异常数据点判断方法，包括：
对于某数据点，计算在该数据点所在的检测数据与时间关系曲线图上该数据点处的曲线斜率绝对值，以及计算该数据点与其上一数据点的污染物浓度的差值绝对值；
将该数据点的曲线斜率绝对值和污染物浓度的差值绝对值分别与斜率阈值和第二差值阈值进行大小比较；
若曲线斜率大于斜率阈值，并且污染物浓度差值大于第二差值阈值，则确定该数据点属于异常数据点；否则，确定该数据点不属于异常数据点。
根据本申请实施例的另一个方面，提供一种大气环境污染检测数据的处理装置，包括：
去噪模块，用于针对一段时间内的检测数据进行滤波去噪处理；
采样模块，用于按照相同的时间间隔对经过滤波去噪处理的检测数据进行采样，得到若干数据点；
作图模块，用于针对所有所述数据点作出相应的第一检测数据与时间关系曲线图；
判断模块，用于根据时间先后顺序，通过异常数据点判断方法从第二个数据点开始依次判断所述第一检测数据与时间关系曲线图上的各数据点是否为异常数据点；
所述判断模块还用于若某数据点被确定为异常数据点，则剔除该数据点，通过所述作图模块针对剩余的数据点重新作出相应的检测数据与时间关系曲线图，再判断所述某数据点的后一个数据点是否为异常数据点；
所述判断模块还用于若某数据点不是异常数据点，则保留该数据点，继续判断其后一个数据点是否为异常数据点，直至所述第一监测数据与时间关系曲线图上的各数据点均被检测完毕为止，得到第二监测数据与时间关系曲线图；
所述判断模块还用于利用所述第二监测数据与时间关系曲线图，通过所述异常数据点判断方法来判断所获得的实时数据点是否为异常数据点；
告警模块，用于若所述实时数据点是异常数据点，则执行告警操作。
根据本申请实施例的另一个方面，提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现上述的大气环境污染检测数据的处理方法。
根据本申请实施例的另一个方面，提供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，以实现上述的大气环境污染检测数据的处理方法。
本申请实施例的其中一个方面提供的技术方案可以包括以下有益效果：
本申请实施例提供的大气环境污染检测数据的处理方法，通过对检测数据进行滤波去噪处理，达到了良好的去噪声效果，避免了噪声对检测结果产生的影响，通过对一段时间内的检测数据与时间关系曲线图进行分析，比较各数据点与上一数据点的差值和斜率，辅助快速完成大气污染监测数据的审核，并剔除异常数据点，提高了检测数据的准确度以及审核效率。同时，通过斜率阈值比较排除了因污染过境、采集周期过长及检测数据中断等原因产生的突增情况，筛选出由于污染源排放造成的短时突增时刻。通过斜率法排除了因污染过境、采集周期过长及检测数据中断产生的突增情况，能够筛选出由于污染源排放造成的短时突增时刻，提高了告警的准确率。
本申请的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者，部分特征和优点可以从说明书中推知或毫无疑义地确定，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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中记载的一些实施例，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示出了本申请的一个实施例的大气环境污染检测数据的处理方法的流程图；
图2示出了本申请的一个实施例中对检测数据进行滤波去噪处理的流程图；
图3示出了本申请的一个实施例中针对所有数据点作出相应的检测数据与时间关系曲线图的流程图；
图4示出了本申请的一个实施例中判断各数据点是否为异常数据点的流程图；
图5示出了本申请的另一实施例的大气环境污染检测数据的处理装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施例对本申请做进一步说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
如图1所示，本申请的一个实施例提供了一种大气环境污染检测数据的处理方法。该方法包括：
S1、在线检测获取大气环境的检测数据。
例如，通过微型空气监测站的检测设备对周围大气环境进行采样检测。
S2、对检测数据进行滤波去噪处理。
针对检测设备在一段时间内的检测数据进行滤波去噪处理。
在本实施方式中，如图2所示，针对一段时间内的检测数据进行滤波去噪处理，包括：
S201、设定相邻两次检测数据的第一差值阈值。
第一差值阈值是一个非负数，是基于滤波去噪处理的响应速度和效果的经验来设定的。最初的第一差值阈值是基于经验值设定的，之后再通过先前滤波处理的响应速度和效果来计算出后续的滤波值。
S202、将当前检测数据与其上一次检测数据进行差分比较。
用当前检测数据减去上一次检测数据，得到二者之差，即差分比较结果。
S203、根据差分比较结果选择滤波去噪输出值的计算规则，并得到滤波去噪输出值。
将得到的二者之差(差分比较结果)与已经设计好的计算规则进行比对，将符合计算规则并且根据此计算规则计算出来的值作为该次滤波去噪处理过程的滤波去噪输出值。
滤波去噪输出值的计算规则包括：
若所述二者之差位于正负对称闭区间内，则以当前检测数据作为所述滤波去噪输出值；正负对称闭区间的两端点分别为负第一差值阈值和正第一差值阈值；例如，若第一差值阈值为10，则正负对称闭区间为[-10,10]；
若所述二者之差大于正负对称闭区间的正端点值，则以上一次检测数据加上所述正端点值作为滤波去噪输出值；
若所述二者之差小于正负对称闭区间的负端点值，则以上一次检测数据减去所述负端点值作为所述滤波去噪输出值。
S204、根据多次的滤波去噪输出值判断出检测数据的变化趋势。
进行多次检测采样，确保滤波去噪输出值的多样性，以便了解滤波去噪输出值的波动趋势，避免单次偶然过大或过小的滤波去噪输出值对滤波去噪处理效果的影响。
S205、基于所述变化趋势实时更新所述第一差值阈值。
对多次采样的结果进行评估和预测，判断出滤波去噪输出值的变化趋势，基于变化趋势实时更新第一差值阈值，以便更好地确定第一差值阈值的合理范围。
通过运用以上步骤的滤波去噪处理方法，能够达到较好的滤波去噪处理效果，较好地去除噪声，同时还能提升滤波去噪处理后的检测数据实时性。
在其他实施方式中，滤波去噪法还可采取其他不同的计算方法，例如滑动平均(又名移动平均方法)、卡尔曼滤波、巴特沃斯低通滤波器去噪、FIR低通滤波器去噪、中值滤波去噪、维纳滤波去噪、自适应滤波去噪、小波去噪等滤波去噪方法。
通过对检测数据进行滤波去噪处理，达到了良好的去噪声效果，避免了因环境气象因素或仪器不稳定等原因导致的噪声对检测结果产生的影响；能够通过滤波去噪结果的差值计算对实时结果是否属于突增进行判断。
S3、按照相同的时间间隔对经过滤波去噪处理的检测数据进行采样，得到若干数据点。
例如，获取某二氧化硫监测仪器在365天内的二氧化硫检测数据。每一数据点包括监测时刻和在该监测时刻所检测到的污染物浓度值两个维度值。针对365天内的二氧化硫检测数据，以8小时作为时间间隔进行采样，则得到3×365＝1095个数据点；每个数据点由监测时刻(例如第一天16时)和在该监测时刻所检测到的污染物浓度值(例如二氧化硫浓度值为0.15毫克/立方米)两个元素组成。
S4、针对所有数据点作出相应的第一检测数据与时间关系曲线图。
如图3所示，在某些实施方式中，步骤S4包括：
S401、以时间轴作为横轴，以污染物浓度值作为纵轴，作出直角坐标系。
S402、将所有数据点置于直角坐标系中。
具体地，使数据点的监测时刻与横轴上的点进行对应，使数据点的污染物浓度值与纵轴上的点进行对应，将该数据点绘制到直角坐标系中。
S403、对所有数据点进行曲线拟合，拟合出检测数据与时间关系曲线图。
曲线拟合是指选择适当的曲线类型来拟合数据得到数据曲线图，并用拟合的曲线方程分析两变量间的关系。由于污染物浓度值与监测时刻这两个变量之间的关系不是线性关系，采用曲线拟合的方法得到的检测数据与时间关系曲线图更能够准确反映污染物浓度值与监测时刻之间的关系曲线，因此，优选对所有数据点进行曲线拟合的技术方案。
S5、根据时间先后顺序，通过异常数据点判断方法从时间顺序上的第二个数据点开始依次判断所述第一检测数据与时间关系曲线图上的各数据点是否为异常数据点。
S6、若某数据点被确定为异常数据点，则剔除该数据点，针对剩余的数据点重新作出相应的检测数据与时间关系曲线图，然后再判断所述某一数据点的后一个数据点是否为异常数据点。
S7、若某数据点不是异常数据点，则保留该数据点，继续判断其后一个数据点是否为异常数据点；直至所述第一监测数据与时间关系曲线图上的所有数据点均被判断完毕为止，得到第二监测数据与时间关系曲线图。
S8、利用所述第二监测数据与时间关系曲线图，通过所述异常数据点判断方法来判断所获得的实时数据点是否为异常数据点。
具体地，步骤S5和步骤S8中所涉及的异常数据点判断方法，如图4所示，包括：
S501、对于某数据点，计算在该数据点所在的检测数据与时间关系曲线图上该数据点处的曲线斜率绝对值，以及计算该数据点与其上一数据点的污染物浓度差值的绝对值。
例如，在某个数据点处的曲线斜率的绝对值经过计算为0.21，二氧化硫浓度值为0.15毫克/立方米，其上一数据点处的二氧化硫浓度值为0.11毫克/立方米，则污染物浓度差值的绝对值为0.04毫克/立方米。
S502、将该数据点的曲线斜率绝对值和污染物浓度的差值绝对值分别与斜率阈值和第二差值阈值进行大小比较；
S503、若曲线斜率绝对值大于斜率阈值，并且污染物浓度差值绝对值大于第二差值阈值，则确定该数据点属于异常数据点；否则，确定该数据点不属于异常数据点。
例如，斜率阈值预设为0.15，第二差值阈值预设为0.03毫克/立方米，则上述数据点处的曲线斜率的绝对值0.21超过了斜率阈值，污染物浓度差值的绝对值0.04毫克/立方米超过了第二差值阈值，则可以判定该数据点为异常数据点。
S9、若所述实时数据点是异常数据点，则执行告警操作。
执行告警操作可以是发出用于激发声光警报的信号以激发声光警报或者是向客户端(例如手机等)发出告警信息等，例如发出用于激发声光警报的信号以激发声光警报(例如扬声器发出声音警报、闪光灯闪烁发光等)或者直接向用户手机发送告警短信等。
大气污染源的排放活动具有突发性和连续性，基于此特点，本实施例的方法通过对同一监测设备在一段时间内的检测数据与时间关系曲线图进行分析，比较当前时刻与上一时刻数据的差值和斜率，当两者均超出预设阈值时，则将当前时刻的数据测量值作为发生突变的时刻，并给出标记剔除，辅助人工快速完成大气污染检测数据的审核，并剔除异常数据点，提高了检测数据的准确度。同时，通过斜率阈值比较排除了因污染过境、采集周期过长及检测数据中断等原因产生的突增情况，筛选出由于污染源排放造成的短时突增时刻。通过斜率法排除了因污染过境、采集周期过长及检测数据中断产生的突增情况，能够筛选出由于污染源排放造成的短时突增时刻，提高了告警的准确率。
不同使用情景(如仪器品牌型号、地区等)中，可以根据经验动态调整上述判定条件中的“差值”和“斜率”的预设阈值。
如图5所示，本申请的另一个实施例，提供了一种大气环境污染检测数据的处理装置，包括：
去噪模块，用于针对一段时间内的检测数据进行滤波去噪处理；
采样模块，用于按照相同的时间间隔对经过滤波去噪处理的检测数据进行采样，得到若干数据点；
作图模块，用于针对所有所述数据点作出相应的第一检测数据与时间关系曲线图；
判断模块，用于根据时间先后顺序，通过异常数据点判断方法从第二个数据点开始依次判断所述第一检测数据与时间关系曲线图上的各数据点是否为异常数据点；
所述判断模块还用于若某数据点被确定为异常数据点，则剔除该数据点，通过所述作图模块针对剩余的数据点重新作出相应的检测数据与时间关系曲线图，再判断所述某数据点的后一个数据点是否为异常数据点；
所述判断模块还用于若某数据点不是异常数据点，则保留该数据点，继续判断其后一个数据点是否为异常数据点，直至所述第一监测数据与时间关系曲线图上的各数据点均被检测完毕为止，得到第二监测数据与时间关系曲线图；
所述判断模块还用于利用所述第二监测数据与时间关系曲线图，通过所述异常数据点判断方法来判断所获得的实时数据点是否为异常数据点；
告警模块，用于若所述实时数据点是异常数据点，则执行告警操作。
执行告警操作可以是发出用于激发声光警报的信号以激发声光警报或者是向客户端(例如手机等)发出告警信息等，例如发出用于激发声光警报的信号以激发声光警报(例如扬声器发出声音警报、闪光灯闪烁发光等)或者直接向用户手机发送告警短信等。
本申请的另一个实施例，提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现上述的大气环境污染检测数据的处理方法。
本申请的另一个实施例，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，以实现上述的大气环境污染检测数据的处理方法。
本实施例中通过对检测数据的差值和斜率这两个维度的数值的双重比较，将不符合预设阈值的数据点剔除，避免了因环境气象因素或仪器不稳定的噪声对审核结果产生的影响；多角度规避不确定因素对审核结果的影响，误报率低，适用于大气环境监测；能够辅助快速完成数据审核；通过斜率阈值比较排除了因污染过境、采集周期过长及检测数据中断等原因产生的突增情况，筛选出由于污染源排放造成的短时突增时刻。通过斜率法排除了因污染过境、采集周期过长及检测数据中断产生的突增情况，能够筛选出由于污染源排放造成的短时突增时刻。
另外，通过对一段时间的污染物检测数据曲线图的分析，找到污染源排放活动导致的突高值，并对不同的突高值进行区分，判断哪些是由于污染排放导致的，剔除局地环境影响导致的监测浓度突变。同时，由于监测中存在一定的不稳定因素，考虑通过一定的滤波方法对特殊情况“弱化”处理，减少这些因素带来的结果误差。识别监测曲线突变值的方法利用的是斜率和差值判定方法：滤波后的结果，如存在某一时刻结果与有结果的上一时刻差值大于一定数据(不同物质判定条件不同)，并且其两点连线的斜率大于特定结果时，即被判定认为是污染源排放导致的突高值。
同时考虑差值和斜率两个方面，是为了避免因某段时间断数差值较大而产生的误报，用斜率进行约束，充分避免了这些情况。
不同使用情景(如仪器品牌型号、地区等)需要根据情况动态调整上述判定条件中的“差值”和“斜率”数据。
本申请实施例提供的大气环境污染检测数据的处理方法，通过对检测数据进行滤波去噪处理，达到了良好的去噪声效果，避免了噪声对检测结果产生的影响，通过对一段时间内的检测数据与时间关系曲线图进行分析，比较各数据点与上一数据点的差值和斜率，辅助快速完成大气污染监测数据的审核，并剔除异常数据点，提高了检测数据的准确度以及审核效率。同时，通过斜率阈值比较排除了因污染过境、采集周期过长及检测数据中断等原因产生的突增情况，筛选出由于污染源排放造成的短时突增时刻。通过斜率法排除了因污染过境、采集周期过长及检测数据中断产生的突增情况，能够筛选出由于污染源排放造成的短时突增时刻，提高了告警的准确率。
需要说明的是：
术语“模块”并非意图受限于特定物理形式。取决于具体应用，模块可以实现为硬件、固件、软件和/或其组合。此外，不同的模块可以共享公共组件或甚至由相同组件实现。不同模块之间可以存在或不存在清楚的界限。
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本申请也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本申请的内容，并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本申请的示例性实施例的描述中，本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本申请的单独实施例。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述实施例仅表达了本申请的实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种大气环境污染检测数据的处理方法，其特征在于，包括：
针对一段时间内的检测数据进行滤波去噪处理；
按照相同的时间间隔对经过滤波去噪处理的检测数据进行采样，得到若干数据点；
针对所有所述数据点作出相应的第一检测数据与时间关系曲线图；
根据时间先后顺序，通过异常数据点判断方法从第二个数据点开始依次判断所述第一检测数据与时间关系曲线图上的各数据点是否为异常数据点；
若某数据点被确定为异常数据点，则剔除该数据点，针对剩余的数据点重新作出相应的检测数据与时间关系曲线图，再判断所述某数据点的后一个数据点是否为异常数据点；
若某数据点不是异常数据点，则保留该数据点，继续判断其后一个数据点是否为异常数据点，直至所述第一监测数据与时间关系曲线图上的各数据点均被检测完毕为止，得到第二监测数据与时间关系曲线图；
利用所述第二监测数据与时间关系曲线图，通过所述异常数据点判断方法来判断所获得的实时数据点是否为异常数据点；
若所述实时数据点是异常数据点，则执行告警操作。
2.根据权利要求1所述的方法，其特征在于，所述针对一段时间内的检测数据进行滤波去噪处理，包括：
设定相邻两次检测数据的第一差值阈值；
将当前检测数据与其上一次检测数据进行差分比较；
根据差分比较结果选择滤波去噪输出值的计算规则，并得到滤波去噪输出值；
根据多次的滤波去噪输出值判断出检测数据的变化趋势；
基于所述变化趋势实时更新所述第一差值阈值。
3.根据权利要求2所述的方法，其特征在于，所述根据差分比较结果选择滤波去噪输出值的计算规则，并得到滤波去噪输出值，包括：
将所述差分比较结果与已经设计好的计算规则进行比对，将符合所述计算规则并且根据此计算规则计算出来的值作为此次滤波去噪处理过程的滤波去噪输出值。
4.根据权利要求3所述的方法，其特征在于，所述计算规则包括：
若所述差分比较结果位于正负对称闭区间内，则以当前检测数据作为所述滤波去噪输出值；所述正负对称闭区间的两端点分别为负第一差值阈值和正第一差值阈值；
若所述差分比较结果大于正负对称闭区间的正端点值，则以上一次检测数据加上所述正端点值作为滤波去噪输出值；
若所述差分比较结果小于正负对称闭区间的负端点值，则以上一次检测数据减去所述负端点值作为所述滤波去噪输出值。
5.根据权利要求1所述的方法，其特征在于，所述针对所有所述数据点作出相应的第一检测数据与时间关系曲线图，包括：
以时间轴作为横轴，以污染物浓度值作为纵轴，作出直角坐标系；
将所述所有数据点置于直角坐标系中；
对所述所有数据点进行曲线拟合，拟合出检测数据与时间关系曲线图；
其中，所述数据点包括监测时刻和在该监测时刻所检测到的污染物浓度值两个维度值。
6.根据权利要求5所述的方法，其特征在于，所述将所述所有数据点置于直角坐标系中，包括：使各数据点的监测时刻与所述横轴上的点进行对应，使各数据点的污染物浓度值与所述纵轴上的点进行对应，将各数据点绘制到直角坐标系中。
7.根据权利要求1所述的方法，其特征在于，所述异常数据点判断方法，包括：
对于某数据点，计算在该数据点所在的检测数据与时间关系曲线图上该数据点处的曲线斜率绝对值，以及计算该数据点与其上一数据点的污染物浓度的差值绝对值；
将该数据点的曲线斜率绝对值和污染物浓度的差值绝对值分别与斜率阈值和第二差值阈值进行大小比较；
若曲线斜率大于斜率阈值，并且污染物浓度差值大于第二差值阈值，则确定该数据点属于异常数据点；否则，确定该数据点不属于异常数据点。
8.一种大气环境污染检测数据的处理装置，其特征在于，包括：
去噪模块，用于针对一段时间内的检测数据进行滤波去噪处理；
采样模块，用于按照相同的时间间隔对经过滤波去噪处理的检测数据进行采样，得到若干数据点；
作图模块，用于针对所有所述数据点作出相应的第一检测数据与时间关系曲线图；
判断模块，用于根据时间先后顺序，通过异常数据点判断方法从第二个数据点开始依次判断所述第一检测数据与时间关系曲线图上的各数据点是否为异常数据点；
所述判断模块还用于若某数据点被确定为异常数据点，则剔除该数据点，通过所述作图模块针对剩余的数据点重新作出相应的检测数据与时间关系曲线图，再判断所述某数据点的后一个数据点是否为异常数据点；
所述判断模块还用于若某数据点不是异常数据点，则保留该数据点，继续判断其后一个数据点是否为异常数据点，直至所述第一监测数据与时间关系曲线图上的各数据点均被检测完毕为止，得到第二监测数据与时间关系曲线图；
所述判断模块还用于利用所述第二监测数据与时间关系曲线图，通过所述异常数据点判断方法来判断所获得的实时数据点是否为异常数据点；
告警模块，用于若所述实时数据点是异常数据点，则执行告警操作。
9.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-7中任一所述的方法。
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，以实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010675486.4A CN111650345B (zh) | 2020-07-14 | 2020-07-14 | 大气环境污染检测数据的处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010675486.4A CN111650345B (zh) | 2020-07-14 | 2020-07-14 | 大气环境污染检测数据的处理方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111650345A true CN111650345A (zh) | 2020-09-11 |
| CN111650345B CN111650345B (zh) | 2021-02-19 |
Family
ID=72342619
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010675486.4A Active CN111650345B (zh) | 2020-07-14 | 2020-07-14 | 大气环境污染检测数据的处理方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111650345B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112070229A (zh) * | 2020-10-19 | 2020-12-11 | 中国农业科学院农业信息研究所 | 一种基于遗传算法的农业气象监测数据处理方法及系统 |
| CN112348388A (zh) * | 2020-11-16 | 2021-02-09 | 中科三清科技有限公司 | 基于排放数据的臭氧主导前体物识别方法及装置 |
| CN112362816A (zh) * | 2020-11-16 | 2021-02-12 | 中科三清科技有限公司 | 一种基于观测数据的臭氧来源分析方法及装置 |
| CN112509288A (zh) * | 2020-09-28 | 2021-03-16 | 北京英视睿达科技有限公司 | 用于大气污染的监测方法、装置、电子设备及介质 |
| CN112766043A (zh) * | 2020-12-25 | 2021-05-07 | 北京安铁软件技术有限公司 | 一种列车车轮多边形检测信号处理方法及其系统 |
| CN112905960A (zh) * | 2021-02-18 | 2021-06-04 | 中国环境科学研究院 | 用于判定尾气烟羽数据有效性和对其筛选的方法及产品 |
| CN114580572A (zh) * | 2022-04-07 | 2022-06-03 | 中科三清科技有限公司 | 一种异常值的识别方法、装置、电子设备及存储介质 |
| CN114636827A (zh) * | 2022-05-11 | 2022-06-17 | 深圳市帝迈生物技术有限公司 | 反应曲线的异常点剔除方法、装置、设备和介质 |
| CN114911786A (zh) * | 2022-05-30 | 2022-08-16 | 上海华兴数字科技有限公司 | 钻孔深度曲线优化方法、装置、设备及作业机械 |
| CN115096344A (zh) * | 2022-05-13 | 2022-09-23 | 珠海格力电器股份有限公司 | 数据实时显示方法、装置、电子设备及存储介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1470964A (zh) * | 2002-06-12 | 2004-01-28 | 欧姆龙株式会社 | 异常检测方法、异常检测装置及温度调节器 |
| US20100046378A1 (en) * | 2008-08-20 | 2010-02-25 | Stephen Knapp | Methods and systems for anomaly detection using internet protocol (ip) traffic conversation data |
| US7908271B2 (en) * | 2003-08-11 | 2011-03-15 | Triumfant, Inc. | System for automated computer support |
| CN103412941A (zh) * | 2013-08-22 | 2013-11-27 | 国家电网公司 | 一种数据校正方法及装置 |
| CN106227640A (zh) * | 2016-07-27 | 2016-12-14 | 北京市环境保护监测中心 | 一种基于自动监测仪器的异常数据检测方法及系统 |
| CN107291998A (zh) * | 2017-06-01 | 2017-10-24 | 烟台南山学院 | 一种基于滑模思想的新型低通滤波器设计方法 |
| CN109063993A (zh) * | 2018-07-23 | 2018-12-21 | 上海市环境监测中心 | 一种大气环境VOCs在线监测数据质量自动判别的方法 |
| CN109542740A (zh) * | 2017-09-22 | 2019-03-29 | 阿里巴巴集团控股有限公司 | 异常检测方法及装置 |
| CN109684118A (zh) * | 2018-12-10 | 2019-04-26 | 深圳前海微众银行股份有限公司 | 异常数据的检测方法、装置、设备及计算机可读存储介质 |
| CN109710601A (zh) * | 2018-12-25 | 2019-05-03 | 国电大渡河大岗山水电开发有限公司 | 一种智能化水电厂运行数据清洗方法 |
| CN111177095A (zh) * | 2019-12-10 | 2020-05-19 | 中移（杭州）信息技术有限公司 | 日志分析方法、装置、计算机设备及存储介质 |
| CN111259269A (zh) * | 2020-01-10 | 2020-06-09 | 上海海事大学 | 基于时间序列数据的异常点检测方法、设备和存储介质 |
-
2020
- 2020-07-14 CN CN202010675486.4A patent/CN111650345B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1470964A (zh) * | 2002-06-12 | 2004-01-28 | 欧姆龙株式会社 | 异常检测方法、异常检测装置及温度调节器 |
| US7908271B2 (en) * | 2003-08-11 | 2011-03-15 | Triumfant, Inc. | System for automated computer support |
| US20100046378A1 (en) * | 2008-08-20 | 2010-02-25 | Stephen Knapp | Methods and systems for anomaly detection using internet protocol (ip) traffic conversation data |
| CN103412941A (zh) * | 2013-08-22 | 2013-11-27 | 国家电网公司 | 一种数据校正方法及装置 |
| CN106227640A (zh) * | 2016-07-27 | 2016-12-14 | 北京市环境保护监测中心 | 一种基于自动监测仪器的异常数据检测方法及系统 |
| CN107291998A (zh) * | 2017-06-01 | 2017-10-24 | 烟台南山学院 | 一种基于滑模思想的新型低通滤波器设计方法 |
| CN109542740A (zh) * | 2017-09-22 | 2019-03-29 | 阿里巴巴集团控股有限公司 | 异常检测方法及装置 |
| CN109063993A (zh) * | 2018-07-23 | 2018-12-21 | 上海市环境监测中心 | 一种大气环境VOCs在线监测数据质量自动判别的方法 |
| CN109684118A (zh) * | 2018-12-10 | 2019-04-26 | 深圳前海微众银行股份有限公司 | 异常数据的检测方法、装置、设备及计算机可读存储介质 |
| CN109710601A (zh) * | 2018-12-25 | 2019-05-03 | 国电大渡河大岗山水电开发有限公司 | 一种智能化水电厂运行数据清洗方法 |
| CN111177095A (zh) * | 2019-12-10 | 2020-05-19 | 中移（杭州）信息技术有限公司 | 日志分析方法、装置、计算机设备及存储介质 |
| CN111259269A (zh) * | 2020-01-10 | 2020-06-09 | 上海海事大学 | 基于时间序列数据的异常点检测方法、设备和存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 唐克双等: "《基于多源数据融合的城市道路交通控制与管理》", 30 September 2015 * |
| 张永超等: "局部通风机计算机辅助测试系统 ", 《煤矿机械》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112509288A (zh) * | 2020-09-28 | 2021-03-16 | 北京英视睿达科技有限公司 | 用于大气污染的监测方法、装置、电子设备及介质 |
| CN112509288B (zh) * | 2020-09-28 | 2022-01-14 | 北京英视睿达科技有限公司 | 用于大气污染的监测方法、装置、电子设备及介质 |
| CN112070229A (zh) * | 2020-10-19 | 2020-12-11 | 中国农业科学院农业信息研究所 | 一种基于遗传算法的农业气象监测数据处理方法及系统 |
| CN112348388A (zh) * | 2020-11-16 | 2021-02-09 | 中科三清科技有限公司 | 基于排放数据的臭氧主导前体物识别方法及装置 |
| CN112362816A (zh) * | 2020-11-16 | 2021-02-12 | 中科三清科技有限公司 | 一种基于观测数据的臭氧来源分析方法及装置 |
| CN112766043A (zh) * | 2020-12-25 | 2021-05-07 | 北京安铁软件技术有限公司 | 一种列车车轮多边形检测信号处理方法及其系统 |
| CN112766043B (zh) * | 2020-12-25 | 2023-10-17 | 北京安铁软件技术有限公司 | 一种列车车轮多边形检测信号处理方法及其系统 |
| CN112905960A (zh) * | 2021-02-18 | 2021-06-04 | 中国环境科学研究院 | 用于判定尾气烟羽数据有效性和对其筛选的方法及产品 |
| CN114580572A (zh) * | 2022-04-07 | 2022-06-03 | 中科三清科技有限公司 | 一种异常值的识别方法、装置、电子设备及存储介质 |
| CN114636827A (zh) * | 2022-05-11 | 2022-06-17 | 深圳市帝迈生物技术有限公司 | 反应曲线的异常点剔除方法、装置、设备和介质 |
| CN115096344A (zh) * | 2022-05-13 | 2022-09-23 | 珠海格力电器股份有限公司 | 数据实时显示方法、装置、电子设备及存储介质 |
| CN114911786A (zh) * | 2022-05-30 | 2022-08-16 | 上海华兴数字科技有限公司 | 钻孔深度曲线优化方法、装置、设备及作业机械 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111650345B (zh) | 2021-02-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111650345B (zh) | 大气环境污染检测数据的处理方法、装置、设备及介质 | |
| CN111650346B (zh) | 大气污染监测数据的自动审核方法、装置及电子设备 | |
| CN112529240B (zh) | 一种大气环境数据的预测方法、系统、装置及存储介质 | |
| CN110687255A (zh) | 一种空气污染物的溯源方法、装置、设备和存储介质 | |
| CN107607450A (zh) | 一种大气质量监测方法及相关设备 | |
| US20160356752A1 (en) | Systems and methods for predicting gas concentration values | |
| CN116245230B (zh) | 一种电站设备的运行巡检与趋势分析方法及系统 | |
| CN116499938B (zh) | 一种职业工作场所气溶胶悬浮物智能监测方法 | |
| CN108732313A (zh) | 城市空气污染物浓度智能观测系统 | |
| JP4610946B2 (ja) | におい特定方法 | |
| CN114049236A (zh) | 建筑机电设备运行能耗数据处理方法、系统及存储介质 | |
| CN109870404B (zh) | 一种雨棚结构损伤识别方法、装置及终端设备 | |
| CN117475154A (zh) | 一种基于优化Canny边缘检测的仪表图像识别方法及系统 | |
| CN114974452B (zh) | 一种确定二次转化来源的管控目标的方法和装置 | |
| CN116699093A (zh) | 一种地下水质检测方法、系统及可读存储介质 | |
| US20130191071A1 (en) | System and method for automatic modal parameter extraction in structural dynamics analysis | |
| CN115163266A (zh) | 一种颗粒捕集器灰分负荷确定方法、装置、设备和介质 | |
| CN113610344B (zh) | 一种污染预警方法、装置、电子设备及存储介质 | |
| KR102544293B1 (ko) | 이상치 탐지 및 제거 방법 | |
| CN112770282B (zh) | 基于智能建筑物联网的数据处理系统 | |
| CN104076295A (zh) | 新能源燃料电池电动车气压值信号的实时监控方法 | |
| CN115705510A (zh) | 厂区气体污染分布预测方法、系统、电子设备及存储介质 | |
| CN109630901B (zh) | 一种中低压庭院管线异常流量识别方法及装置 | |
| CN113189269A (zh) | 一种自动进行烟尘测试的方法及系统 | |
| JP2017198576A (ja) | 地下タンクの漏洩検査装置及び検査方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200911 Assignee: Beijing Zhongke Sanqing Environmental Technology Co.,Ltd. Assignor: 3CLEAR TECHNOLOGY Co.,Ltd. Contract record no.: X2022980012305 Denomination of invention: Method, device, equipment and medium for processing air pollution detection data Granted publication date: 20210219 License type: Common License Record date: 20220815 |