CN112288192A - 一种环保监测预警方法及系统 - Google Patents
一种环保监测预警方法及系统 Download PDFInfo
- Publication number
- CN112288192A CN112288192A CN202011323106.7A CN202011323106A CN112288192A CN 112288192 A CN112288192 A CN 112288192A CN 202011323106 A CN202011323106 A CN 202011323106A CN 112288192 A CN112288192 A CN 112288192A
- Authority
- CN
- China
- Prior art keywords
- data
- environmental
- early warning
- monitoring
- initial
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000007613 environmental effect Effects 0.000 claims abstract description 150
- 238000007781 pre-processing Methods 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 35
- 238000012549 training Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 23
- 238000005259 measurement Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明提出了一种环保监测预警方法及系统,涉及环境监测技术领域。该方法包括:获取从当前环境中采集的多个环境数据,并对环境数据进行预处理;将预处理后的环境数据输入至预先训练好的环保监测预警模型中,以得到预测结果;根据预测结果判断当前环境的环保情况并发出预警警报。上述实现过程中,先通过对当前环境中采集环境数据,并对其进行预处理,能够减少环境数据中的误差数据,以提高预警的准确性。而根据预先训练好的环保监测预警模型可以准确的对环境数据进行预测,并得到可以表示当前环境的环保情况的预测结果,以根据其生成相应的预警警报,以对人们进行提醒。
Description
技术领域
本发明涉及环境监测技术领域,具体而言,涉及一种环保监测预警方法及系统。
背景技术
在当今社会经济发展过程中,生态环境问题日益突出,环境和能源问题越来越受到人们的普遍关注。生态环境的问题也是人类社会发展进步的重要因素之一,如何做好环境保护工作显得尤为重要
目前的现有技术通过对环境数据进行监测和分析,以实现对环境保护进行一个预警,但其采用的监测和分析方法均通过人工取样,然后再在实验室进行样本分析。这种方法只能得到监测区域内某段时间内的监测值,监测值不准确,且是工作人员通过监测值进行预警,因此预警的结果受人为判断的影响很大,存在不准确的问题。
发明内容
本发明的目的在于提供一种环保监测预警方法及系统,用以改善现有技术中预警不准确的问题。
第一方面,本申请实施例提供一种环保监测预警方法,该方法包括:获取从当前环境中采集的多个环境数据,并对环境数据进行预处理;将预处理后的环境数据输入至预先训练好的环保监测预警模型中,以得到预测结果;根据预测结果判断当前环境的环保情况并发出预警警报。
上述实现过程中,先通过对当前环境中采集环境数据,并对其进行预处理,能够减少环境数据中的误差数据,以提高预警的准确性。而根据预先训练好的环保监测预警模型可以准确的对环境数据进行预测,并得到可以表示当前环境的环保情况的预测结果,以根据其生成相应的预警警报,以对人们进行提醒。
在本发明的一些实施例中,对环境数据进行预处理的步骤,包括:对环境数据进行标准化处理;采用数据聚类算法对标准化处理之后的环境数据进行计算,以获取数据簇的数目及每个数据簇的中心;根据数据簇的数目及每个数据簇的中心,确定目标数据。
在本发明的一些实施例中,对环境数据进行标准化处理的步骤包括:建立初始数据集矩阵,其中,初始数据集矩阵由对象和对象的属性值构成;确定属性值的平均绝对偏差;确定属性值的标准化度量值;根据标准化度量值将初始数据集矩阵转化为标准化的度量数据矩阵。
在本发明的一些实施例中,将预处理后的环境数据输入至预先训练好的环保监测预警模型中,以得到预测结果的步骤之前,方法还包括:从多个历史环境数据中确定训练样本,并建立初始环保监测预警模型;利用训练样本对初始环保监测预警模型进行训练,以得到训练好的环保监测预警模型。
上述实现过程中,从历史环境数据中确定训练样本,并根据其对初始环保监测预警模型进行训练,直至训练的环保监测预警模型能够对环境数据进行准确的预测,从而保证预测结果的准确度。
第二方面,本申请实施例提供一种环保监测预警系统,系统包括:数据预处理模块,用于获取从当前环境中采集的多个环境数据,并对环境数据进行预处理;预测模块,用于将预处理后的环境数据输入至预先训练好的环保监测预警模型中,以得到预测结果;预警警报模块,用于根据预测结果判断当前环境的环保情况并发出预警警报。
在本发明的一些实施例中,数据预处理模块包括:标准化处理单元,用于对环境数据进行标准化处理;聚类单元,用于采用数据聚类算法对标准化处理之后的环境数据进行计算,以获取数据簇的数目及每个数据簇的中心;目标数据确定单元,用于根据数据簇的数目及每个数据簇的中心,确定目标数据。
在本发明的一些实施例中,标准化处理单元包括:数据集矩阵建立子单元,用于建立初始数据集矩阵,其中,初始数据集矩阵由对象和对象的属性值构成;绝对偏差确定子单元,用于确定属性值的平均绝对偏差;标准化度量值确定子单元,用于确定属性值的标准化度量值;度量数据矩阵获取子单元,用于根据标准化度量值将初始数据集矩阵转化为标准化的度量数据矩阵。
在本发明的一些实施例中,系统还包括:训练准备模块,用于从多个历史环境数据中确定训练样本,并建立初始环保监测预警模型;训练模块,用于利用训练样本对初始环保监测预警模型进行训练,以得到训练好的环保监测预警模型。
第三方面,本申请实施例提供一种电子设备,其包括存储器,用于存储一个或多个程序;处理器。当一个或多个程序被处理器执行时,实现如上述第一方面中任一项的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述第一方面中任一项的方法。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例提供的一种环保监测预警方法的流程图;
图2为本发明实施例提供的一种环保监测预警系统的结构框图;
图3为本发明实施例提供的一种电子设备的结构框图。
图标:100-环保监测预警系统;110-数据预处理模块;120-预测模块;130-预警警报模块;101-存储器;102-处理器;103-通信接口。
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,下面将结合本申请实施例中的附图,对本申请实施例中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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的各个实施例及实施例中的各个特征可以相互组合。
请参看图1,图1为本发明实施例提供的一种环保监测预警方法的流程图。,该环保监测预警方法包括如下步骤:
步骤S110:获取从当前环境中采集的多个环境数据,并对环境数据进行预处理。
对环境数据进行预处理,可以将环境数据中一些可能会对监测结果产生影响的数据进行筛除,从而根据预处理过后的环境数据可以得到更准确的预警结果。
在实际实践中,我们得到的环境数据常常会存在有缺失值、重复值等,因此在使用之前需要进行数据预处理。数据预处理通常可以针对不同的任务和数据集属性的不同而不同。数据预处理的常用的方法有:去除唯一属性、处理缺失值、属性编码、数据标准化正则化、特征选择以及主成分分析等。
环境数据可以为通过部署在监测区域内的环境监测仪监测得到的,环境监测仪可以实时采集该监测区域内的环境数据,并将采集的环境监测数据转发至存储器,或直接发送至需要对环境数据进行处理的电子设备中。
其中,环境数据可以包括气候数据及水质数据等等。气候数据可以包括大气气体浓度、气体中悬浮固体颗粒含量、气温、湿度及大气有害气体浓度等。而水质数据可以包括金属元素的含量、溶解氧及细菌总数等。环境数据还可以包括环境噪声数据等,此处的环境数据可以通过需要预警的内容确定。例如,若需要预警本监测区域内的水质环保情况,则环境数据可以仅包括水质数据,而若需要预警本监测区域内的气体环保情况,则环境数据可以仅包括水质数据,
步骤S120:将预处理后的环境数据输入至预先训练好的环保监测预警模型中,以得到预测结果。
在本发明的一些实施例中,将预处理后的环境数据输入至预先训练好的环保监测预警模型中,以得到预测结果之前,需要建立环保监测预警模型,并对其进行训练,以使训练好的环保监测预警模型能够准确的对环境进行预警。
具体地,可以先从多个历史环境数据中确定训练样本,并建立初始环保监测预警模型,然后利用训练样本对初始环保监测预警模型进行训练,以得到训练好的环保监测预警模型。
在选取历史环境数据时,需要选取大量的样本,例如,可以从一整年的数据中均匀的选取样本,以保证训练出来的环保监测预警模型能够准确的输出预警结果。在选取历史环境数据后,还可以对历史环境数据进行预处理,以减少误差。
此处的环保监测预警模型的类型可以为趋势外推预测模型、回归预测、卡尔曼滤波预测模型、组合预测模型或BP神经网络预测模型等。可以根据实际的需求选择预警模型的类型。例如,趋势外推预测模型可以揭示事物发展的未来,并定量地估价其功能特性,回归预模型是根据自变量和因变量之间的相关关系进行预测。卡尔曼滤波预测模型是以最小均方误差为估计的最佳准则组合预测模型,其优点是只需要少量的数据就可以得到预测的起始点,并且它可以自我调节,从连续的观察中自动设置参数。组合预测模型能够综合利用各种方法所提供的信息,尽可能地提高预测精度。而BP神经网络预测模型又称反向传播神经网络,它是通过样本数据的训练,不断修正网络权值和阈值使误差函数沿负梯度方向下降,逼近期望输出的预测方法。
此外,选取样本时,还需要根据所建立初始环保监测预警模型的模型类型进行选取。例如,趋势外推预测模型所需的样本量较多,其可以为5年的历史环境数据。而卡尔曼滤波预测模型则所需的样本量较少,可以取一年的样本数据。
步骤S130:根据预测结果判断当前环境的环保情况并发出预警警报。
预测结果可以表明该监测区域内的当前环境情况以及预计环境情况,因此,通过预测结果可以发出相应的预警警报。例如,若预测结果显示目前的环境情况良好,且预计环境情况也良好,则预警警报则可以为提醒人们继续保持的消息。而若预测结果显示目前的环境情况良好,但预计环境情况不良好,则预警警报则可以为提醒人们对目前的行为进行克制的提醒消息。若预测结果显示目前的环境情况不好,且预计环境情况也不好,则预警警报则可以为提醒人们对目前的行为进行克制并对已产生的不良环境进行相应的处理的提醒消息。
上述实现过程中,先通过对当前环境中采集环境数据,并对其进行预处理,能够减少环境数据中的误差数据,以提高预警的准确性。而根据预先训练好的环保监测预警模型可以准确的对环境数据进行预测,并得到可以表示当前环境的环保情况的预测结果,以根据其生成相应的预警警报,以对人们进行提醒。
在本发明的一些实施例中,在对环境数据进行预处理时,可以包括以下过程:先对环境数据进行标准化处理;然后采用数据聚类算法对标准化处理之后的环境数据进行计算,以获取数据簇的数目及每个数据簇的中心;根据数据簇的数目及每个数据簇的中心,确定目标数据。
数据的标准化处理是将数据按比例缩放,使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到,去除数据的单位限制,将其转化为无量纲的纯数值,便于不同单位或量级的指标能够进行比较和加权。数据标准化处理最典型的方法是归一化处理。
将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。聚类是无监督学习的典型算法,不需要标记结果,常用于发现共同的群体,按照内在相似性将数据划分为多个类别使得其内部相似性大,内间相似性小。
在本发明的一些实施例中,对环境数据进行标准化处理的步骤可以包括以下过程:先建立初始数据集矩阵,其中,初始数据集矩阵由对象和对象的属性值构成;然后确定属性值的平均绝对偏差;再确定属性值的标准化度量值;最后根据标准化度量值将初始数据集矩阵转化为标准化的度量数据矩阵。
例如,建立初始数据集矩阵B,其中,初始数据集矩阵由对象和对象的属性值构成,其中,数据集矩阵B可以包括n个对象,p个属性。然后通过公式Af=(|a1f-mf|+|a2f-mf|+…+|anf-mf|)/n,计算属性的平均绝对偏差,其中,mf=(a1f+a2f…+anf)/n,aif为第i个对象的第f个属性,Af为第f个属性的平均绝对偏差;再通过zif=(aif-mf)/Af,计算属性的标准化度量值zf。最后,将初始数据集矩阵转B化为标准化的度量数据矩阵A。
基于同样的发明构思,本发明还提出一种环保监测预警系统100,请参看图2,图2为本发明实施例提供的一种环保监测预警系统的结构框图。该系统包括:
数据预处理模块110,用于获取从当前环境中采集的多个环境数据,并对环境数据进行预处理;
预测模块120,用于将预处理后的环境数据输入至预先训练好的环保监测预警模型中,以得到预测结果;
预警警报模块130,用于根据预测结果判断当前环境的环保情况并发出预警警报。
在本发明的一些实施例中,数据预处理模块110包括:
标准化处理单元,用于对环境数据进行标准化处理;
聚类单元,用于采用数据聚类算法对标准化处理之后的环境数据进行计算,以获取数据簇的数目及每个数据簇的中心;
目标数据确定单元,用于根据数据簇的数目及每个数据簇的中心,确定目标数据。
在本发明的一些实施例中,标准化处理单元包括:
数据集矩阵建立子单元,用于建立初始数据集矩阵,其中,初始数据集矩阵由对象和对象的属性值构成;
绝对偏差确定子单元,用于确定属性值的平均绝对偏差;
标准化度量值确定子单元,用于确定属性值的标准化度量值;
度量数据矩阵获取子单元,用于根据标准化度量值将初始数据集矩阵转化为标准化的度量数据矩阵。
在本发明的一些实施例中,系统还包括:
训练准备模块,用于从多个历史环境数据中确定训练样本,并建立初始环保监测预警模型;
训练模块,用于利用训练样本对初始环保监测预警模型进行训练,以得到训练好的环保监测预警模型。
请参阅图3,图3为本申请实施例提供的电子设备的一种示意性结构框图。电子设备包括存储器101、处理器102和通信接口103,该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块,如本申请实施例所提供的环保监测预警系统100对应的程序指令/模块,处理器102通过执行存储在存储器101内的软件程序及模块,从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中,存储器101可以是但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
处理器102可以是一种集成电路芯片,具有信号处理能力。该处理器102可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以理解,图3所示的结构仅为示意,电子设备还可包括比图3中所示更多或者更少的组件,或者具有与图3所示不同的配置。图3中所示的各组件可以采用硬件、软件或其组合实现。
在本申请所提供的实施例中,应该理解到,所揭露的系统和方法,也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上,本申请实施例提供的一种环保监测预警方法及系统,该方法包括:获取从当前环境中采集的多个环境数据,并对环境数据进行预处理;将预处理后的环境数据输入至预先训练好的环保监测预警模型中,以得到预测结果;根据预测结果判断当前环境的环保情况并发出预警警报。上述实现过程中,先通过对当前环境中采集环境数据,并对其进行预处理,能够减少环境数据中的误差数据,以提高预警的准确性。而根据预先训练好的环保监测预警模型可以准确的对环境数据进行预测,并得到可以表示当前环境的环保情况的预测结果,以根据其生成相应的预警警报,以对人们进行提醒。
以上仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种环保监测预警方法,其特征在于,所述方法包括:
获取从当前环境中采集的多个环境数据,并对所述环境数据进行预处理;
将预处理后的环境数据输入至预先训练好的环保监测预警模型中,以得到预测结果;
根据所述预测结果判断所述当前环境的环保情况并发出预警警报。
2.根据权利要求1所述方法,其特征在于,对所述环境数据进行预处理的步骤,包括:
对所述环境数据进行标准化处理;
采用数据聚类算法对标准化处理之后的所述环境数据进行计算,以获取数据簇的数目及每个数据簇的中心;
根据数据簇的数目及每个数据簇的中心,确定目标数据。
3.根据权利要求2所述方法,其特征在于,对所述环境数据进行标准化处理的步骤包括:
建立初始数据集矩阵,其中,所述初始数据集矩阵由对象和所述对象的属性值构成;
确定所述属性值的平均绝对偏差;
确定所述属性值的标准化度量值;
根据所述标准化度量值将所述初始数据集矩阵转化为标准化的度量数据矩阵。
4.根据权利要求1所述方法,其特征在于,将预处理后的环境数据输入至预先训练好的环保监测预警模型中,以得到预测结果的步骤之前,所述方法还包括:
从多个历史环境数据中确定训练样本,并建立初始环保监测预警模型;
利用所述训练样本对所述初始环保监测预警模型进行训练,以得到训练好的环保监测预警模型。
5.一种环保监测预警系统,其特征在于,所述系统包括:
数据预处理模块,用于获取从当前环境中采集的多个环境数据,并对所述环境数据进行预处理;
预测模块,用于将预处理后的环境数据输入至预先训练好的环保监测预警模型中,以得到预测结果;
预警警报模块,用于根据所述预测结果判断所述当前环境的环保情况并发出预警警报。
6.根据权利要求5所述系统,其特征在于,所述数据预处理模块包括:
标准化处理单元,用于对所述环境数据进行标准化处理;
聚类单元,用于采用数据聚类算法对标准化处理之后的所述环境数据进行计算,以获取数据簇的数目及每个数据簇的中心;
目标数据确定单元,用于根据数据簇的数目及每个数据簇的中心,确定目标数据。
7.根据权利要求6所述系统,其特征在于,所述标准化处理单元包括:
数据集矩阵建立子单元,用于建立初始数据集矩阵,其中,所述初始数据集矩阵由对象和所述对象的属性值构成;
绝对偏差确定子单元,用于确定所述属性值的平均绝对偏差;
标准化度量值确定子单元,用于确定所述属性值的标准化度量值;
度量数据矩阵获取子单元,用于根据所述标准化度量值将所述初始数据集矩阵转化为标准化的度量数据矩阵。
8.根据权利要求6所述系统,其特征在于,所述系统还包括:
训练准备模块,用于从多个历史环境数据中确定训练样本,并建立初始环保监测预警模型;
训练模块,用于利用所述训练样本对所述初始环保监测预警模型进行训练,以得到训练好的环保监测预警模型。
9.一种电子设备,其特征在于,包括:
存储器,用于存储一个或多个程序;
处理器;
当所述一个或多个程序被所述处理器执行时,实现如权利要求1-4中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011323106.7A CN112288192A (zh) | 2020-11-23 | 2020-11-23 | 一种环保监测预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011323106.7A CN112288192A (zh) | 2020-11-23 | 2020-11-23 | 一种环保监测预警方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112288192A true CN112288192A (zh) | 2021-01-29 |
Family
ID=74425383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011323106.7A Pending CN112288192A (zh) | 2020-11-23 | 2020-11-23 | 一种环保监测预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112288192A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113051330A (zh) * | 2021-04-13 | 2021-06-29 | 福州外语外贸学院 | 基于大数据的实时环境监控方法、装置及计算机设备 |
CN113268551A (zh) * | 2021-05-18 | 2021-08-17 | 朱厚强 | 一种统一测控系统数据监测方法及装置 |
CN113283630A (zh) * | 2021-04-09 | 2021-08-20 | 中科三清科技有限公司 | 空气质量预测方法、装置、设备和计算机可读存储介质 |
CN114115401A (zh) * | 2021-11-25 | 2022-03-01 | 深圳市地质局 | 一种水质水文环境感知与水利设施一体化智能管理系统 |
CN114862062A (zh) * | 2022-06-30 | 2022-08-05 | 深圳市信润富联数字科技有限公司 | 环境承载力的预警方法、装置、电子设备和可读存储介质 |
CN115236509A (zh) * | 2022-08-08 | 2022-10-25 | 江苏大中电机股份有限公司 | 用于电机的数据采集设备 |
CN116340768A (zh) * | 2023-02-28 | 2023-06-27 | 江苏省环境工程技术有限公司 | 一种智能化道路积尘负荷监测方法及监测装置 |
CN116883755A (zh) * | 2023-07-20 | 2023-10-13 | 广州新城建筑设计院有限公司 | 一种乡村建设环境监测方法、系统、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101533000A (zh) * | 2009-03-05 | 2009-09-16 | 重庆大学 | 一种构建水体富营养化风险分析模型的方法 |
CN107153874A (zh) * | 2017-04-11 | 2017-09-12 | 中国农业大学 | 水质预测方法及系统 |
CN108898190A (zh) * | 2018-07-24 | 2018-11-27 | 深圳市源广浩电子有限公司 | 一种基于环保大数据的环境监测预警方法及系统 |
CN111754042A (zh) * | 2020-06-28 | 2020-10-09 | 成都佳华物链云科技有限公司 | 基于高斯回归的大气污染物浓度的预测方法及装置 |
-
2020
- 2020-11-23 CN CN202011323106.7A patent/CN112288192A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101533000A (zh) * | 2009-03-05 | 2009-09-16 | 重庆大学 | 一种构建水体富营养化风险分析模型的方法 |
CN107153874A (zh) * | 2017-04-11 | 2017-09-12 | 中国农业大学 | 水质预测方法及系统 |
CN108898190A (zh) * | 2018-07-24 | 2018-11-27 | 深圳市源广浩电子有限公司 | 一种基于环保大数据的环境监测预警方法及系统 |
CN111754042A (zh) * | 2020-06-28 | 2020-10-09 | 成都佳华物链云科技有限公司 | 基于高斯回归的大气污染物浓度的预测方法及装置 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113283630A (zh) * | 2021-04-09 | 2021-08-20 | 中科三清科技有限公司 | 空气质量预测方法、装置、设备和计算机可读存储介质 |
CN113051330A (zh) * | 2021-04-13 | 2021-06-29 | 福州外语外贸学院 | 基于大数据的实时环境监控方法、装置及计算机设备 |
CN113268551A (zh) * | 2021-05-18 | 2021-08-17 | 朱厚强 | 一种统一测控系统数据监测方法及装置 |
CN114115401A (zh) * | 2021-11-25 | 2022-03-01 | 深圳市地质局 | 一种水质水文环境感知与水利设施一体化智能管理系统 |
CN114862062A (zh) * | 2022-06-30 | 2022-08-05 | 深圳市信润富联数字科技有限公司 | 环境承载力的预警方法、装置、电子设备和可读存储介质 |
CN114862062B (zh) * | 2022-06-30 | 2022-11-15 | 深圳市信润富联数字科技有限公司 | 环境承载力的预警方法、装置、电子设备和可读存储介质 |
CN115236509A (zh) * | 2022-08-08 | 2022-10-25 | 江苏大中电机股份有限公司 | 用于电机的数据采集设备 |
CN115236509B (zh) * | 2022-08-08 | 2023-11-10 | 江苏大中电机股份有限公司 | 用于电机的数据采集设备 |
CN116340768A (zh) * | 2023-02-28 | 2023-06-27 | 江苏省环境工程技术有限公司 | 一种智能化道路积尘负荷监测方法及监测装置 |
CN116340768B (zh) * | 2023-02-28 | 2023-10-20 | 江苏省环境工程技术有限公司 | 一种智能化道路积尘负荷监测方法及监测装置 |
CN116883755A (zh) * | 2023-07-20 | 2023-10-13 | 广州新城建筑设计院有限公司 | 一种乡村建设环境监测方法、系统、设备及存储介质 |
CN116883755B (zh) * | 2023-07-20 | 2024-03-26 | 广州新城建筑设计院有限公司 | 一种乡村建设环境监测方法、系统、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112288192A (zh) | 一种环保监测预警方法及系统 | |
CN111862067B (zh) | 一种焊接缺陷检测方法、装置、电子设备以及存储介质 | |
CN109739904B (zh) | 一种时间序列的标记方法、装置、设备和存储介质 | |
CN108877880B (zh) | 基于病历文本的病人相似性度量装置及方法 | |
CN113658174B (zh) | 基于深度学习和图像处理算法的微核组学图像检测方法 | |
CN111080117A (zh) | 设备风险标签的构建方法、装置、电子设备及存储介质 | |
CN116485020B (zh) | 一种基于大数据的供应链风险识别预警方法、系统及介质 | |
CN113807612A (zh) | 一种基于心理量表数据的预测方法和装置 | |
Li et al. | A Bayesian finite mixture change-point model for assessing the risk of novice teenage drivers | |
CN117315379B (zh) | 面向深度学习的医学影像分类模型公平性评估方法及装置 | |
Kirichenko et al. | Generalized approach to Hurst exponent estimating by time series | |
CN113962253A (zh) | 基于深度小波极限学习机的轴承剩余寿命预测方法及系统 | |
CN111105041B (zh) | 一种用于智慧数据碰撞的机器学习方法及装置 | |
CN112259232A (zh) | 一种基于深度学习的vte风险自动评估系统 | |
CN113824580A (zh) | 一种网络指标预警方法及系统 | |
CN110517731A (zh) | 基因检测质量监控数据处理方法和系统 | |
CN116521871A (zh) | 文件的检测方法、装置、处理器以及电子设备 | |
CN113807587B (zh) | 一种基于多梯核深度神经网络模型积分预警方法以及系统 | |
CN114936600A (zh) | 单证异常监控方法、装置、设备及存储介质 | |
CN111882135B (zh) | 一种物联网设备入侵检测方法及相关装置 | |
WO2022252079A1 (zh) | 数据处理方法及装置 | |
CN116861798B (zh) | 基于XGBoost算法的真空干泵在线实时剩余寿命预测方法 | |
CN116189896B (zh) | 一种基于云端的糖尿病健康数据预警方法及系统 | |
CN115151182B (zh) | 用于诊断分析的方法和系统 | |
TWI733293B (zh) | 駕駛職能評測系統及評測裝置 |
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 |