CN112509288A - 用于大气污染的监测方法、装置、电子设备及介质 - Google Patents
用于大气污染的监测方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN112509288A CN112509288A CN202011037097.5A CN202011037097A CN112509288A CN 112509288 A CN112509288 A CN 112509288A CN 202011037097 A CN202011037097 A CN 202011037097A CN 112509288 A CN112509288 A CN 112509288A
- Authority
- CN
- China
- Prior art keywords
- concentration
- monitored
- area
- fusion
- integral
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 154
- 238000000034 method Methods 0.000 title claims abstract description 91
- 230000004927 fusion Effects 0.000 claims abstract description 133
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000012806 monitoring device Methods 0.000 claims abstract description 5
- 230000003068 static effect Effects 0.000 claims description 22
- 238000013024 troubleshooting Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000011835 investigation Methods 0.000 claims description 8
- 230000008014 freezing Effects 0.000 claims description 5
- 238000007710 freezing Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Combustion & Propulsion (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Environmental & Geological Engineering (AREA)
- Toxicology (AREA)
- Multimedia (AREA)
- Emergency Management (AREA)
- Evolutionary Computation (AREA)
- Food Science & Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
Abstract
本说明书一个或多个实施例公开了一种用于大气污染的监测方法、装置、电子设备及介质。该用于大气污染的监测方法，适用于将目的区域划分为多个网格单元，所述网格单元为需监测区域，所述方法，包括：基于监测数据和影响特征获取所述需监测区域的融合浓度；基于所述融合浓度判断出所述需监测区域为超标区域；基于所述融合浓度对所述超标区域进行积分处理；在积分超出积分阈值的条件下对所述超标区域进行报警，可以提高大气污染监测的准确度和对污染源的监测力度，利于大气环境的治理。
Description
技术领域
本文件涉及环境监测技术领域，尤其涉及一种用于大气污染的监测方法、装置、电子设备及介质。
背景技术
大气污染是指由于人类活动或自然过程中引起某些物质进入大气中，呈现出足够的浓度后保持一定的时间，从而危害人类生活的舒适、健康或者人类赖以生活的环境的现象。近年来我国空气质量随较往年有很大提升，特别是冬天较少出现雾霾天气，但是距离国际标准仍然有很大的差距。继续专注大气污染治理仍是一个长期、艰巨的任务。
传统的大气污染监测系统对大气污染的监测主要通过地面安装的监测站点或者卫星云图实现，对于监测区域的监测主要以行政区划为单位比如最小的检测区域为区县，可见监测区域面积较大，监测大都停留在整个行政区划整体大气污染情况的宏观说明，加上天气的影响，很大程度导致监测结果并不准确，存在漏报误报的情况。如何提高大气污染监测的准确度和对污染源的监测力度，利于大气污染的治理，成为亟需解决的技术问题。
发明内容
本说明书一个或多个实施例的目的是提供一种用于大气污染的监测方法、装置、电子设备及介质，可以提高大气污染监测的准确度和对污染源的监测力度，利于大气污染的治理。
为解决上述技术问题，本说明书一个或多个实施例是这样实现的：
第一方面，提出了一种用于大气污染的监测方法，适用于将目的区域划分为多个网格单元，所述网格单元为所述需监测区域，所述方法，包括：基于监测数据和影响特征获取需监测区域的融合浓度；基于所述融合浓度判断出所述需监测区域为超标区域；基于所述融合浓度对所述超标区域进行积分处理；在积分超出积分阈值的条件下对所述超标区域进行报警。
第二方面，提出了一种用于大气污染的监测装置，适用于将目的区域划分为多个网格单元，所述网格单元为所述需监测区域，所述装置，包括：融合浓度获取模块，用于基于监测数据和影响特征获取需监测区域的融合溶度；超标区域判断模块，用于基于所述融合浓度判断出所述需监测区域为超标区域；积分处理模块，用于基于所述融合浓度对所述超标区域进行积分处理；报警模块，用于在积分超出积分阈值的条件下对所述超标区域进行报警。
第三方面，提出了一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如上文所述的用于大气污染的监测方法。
第四方面，提出了一种存储介质，存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行如上文所述的用于大气污染的监测方法。
由以上本说明书一个或多个实施例提供的技术方案可见，本申请提供的一种用于大气污染的监测方法，适用于将目的区域划分为多个网格单元，网格单元为需监测区域，基于大气污染的监测数据和影响特征获取需监测区域的融合浓度后，判断融合浓度是否超出浓度阈值，在融合浓度超出浓度阈值后将需监测区域列为超标区域。基于融合浓度对超标区域进行积分处理后，对于得到的积分判断是否超出积分阈值，在积分超出积分阈值的条件下对超标区域进行报警。本申请提供的监测方法综合考虑监测数据和影响特征的影响对大气污染进行综合评定，可以提高大气污染监测的准确度和对污染源的监测力度，利于大气环境的治理。在实际操作中如果遇到目的区域的面积较大的情况可以将目的区域划分为多个网格单元，每一个网格单元作为一个需监测区域，比如可以将某一个监测城市作为目的区域，将目的区域划分为多个需监测区域。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对一个或多个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说明书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性的前提下，还可以根据这些附图获得其他的附图。
图1是本说明书实施例提供的一种用于大气污染的监测方法的步骤示意图。
图2是本说明书实施例提供的另一种用于大气污染的监测方法的步骤示意图。
图3是本说明书实施例提供的又一种用于大气污染的监测方法的步骤示意图。
图4是本说明书实施例提供的又一种用于大气污染的监测方法的步骤示意图。
图5是本说明书实施例提供的又一种用于大气污染的监测方法的步骤示意图。
图6是本说明书实施例提供的又一种用于大气污染的监测方法的步骤示意图。
图7是本说明书实施例提供的又一种用于大气污染的监测方法的步骤示意图。
图8是本说明书实施例提供的又一种用于大气污染的监测方法的步骤示意图。
图9是本说明书实施例提供的又一种用于大气污染的监测方法的步骤示意图。
图10是本说明书实施例提供的又一种用于大气污染的监测方法的步骤示意图。
图11是本说明书实施例提供的一种用于大气污染的监测装置的结构示意图。
图12是本说明书的一个实施例提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的一个或多个实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的一个或多个实施例，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，都应当属于本文件的保护范围。
本说明书实施例提供的用于大气污染的监测方法，通过对多种影响因素不同方式的综合处理获取需监测区域的融合浓度，对于融合浓度大于浓度阈值的需监测区域作为超标区域进行积分处理，对积分超出积分阈值的超标区域进行报警，可以提高大气污染监测的准确度，有助于大气环境的治理。下面将详细地描述本说明书实施例提供的用于大气污染的监测方法及其各个步骤。
实施例一
参照图1所示，为本说明书实施例提供的一种用于大气污染的监测方法，适用于将目的区域划分为多个网格单元，网格单元为需监测区域，该用于大气污染的检测方法，包括：
步骤10：基于监测数据和影响特征获取需监测区域的融合浓度；
监测数据可以是监测站点对需监测区域的监测数据比如PM2.5、二氧化碳、二氧化硫、温度、湿度、风力大小等，或者监测卫星对需监测区域监测得到的卫星遥感数据比如温度、反射率、比辐射率和植被覆盖度等，也可以是其他途径获取的对于需监测区域的监测数据。
影响特征可以是多种方式获取的对于需监测区域的大气污染的贡献因素比如下文中提到的静态特征，静态特征是有关需监测区域所在目的区域的大气污染的分析评述，可以包括污染普查数据比如二次污染普查数据涉及的工业、农业、生活污染源的信息、环保部的监察数据比如企业数量、企业问题等信息、城市用电数据比如商业厂区、生活区等的耗电量、城市设施兴趣点POI（Point of interest），POI可以直接从支持POI的地图中获取比如高德地图、百度地图。POI可以是一个停车场、一栋商业住宅等，它主要包括名称、类别、经纬度、地址名称等信息，其在导航等诸多生活领域有着广泛的应用，POI的分类较细，可以根据实际情况定时更新，具有较高的准确性。卫星识别的地图包括裸地、工厂等。动态特征是动态环境对需监测区域的大气污染的贡献因素，动态特征可以包括气象数据比如气象站或者浮标收集的气压、bai气温、风速、风向、湿度等数据、监测站点的监测数据比如PM2.5、二氧化碳、二氧化硫、温度、湿度、风力大小等。需要说明的是，上述静态特征和动态特征可以从相关软件或者官方公开信息中获取。
基于监测数据和影响特征获取需监测区域的融合浓度，可见本说明书实施例得到的融合浓度是综合对需监测区域的大气污染有影响的多方面的贡献因素，结合各种报道信息以及监测时间段内动态环境对需监测区域的大气污染的贡献因素，可以提高大气污染监测的准确度，有助于大气环境的治理。
步骤20：基于融合浓度判断出需监测区域为超标区域；
当前的融合浓度得出后，从历史的融合浓度数据库中获取融合浓度的浓度阈值，浓度阈值是根据大气污染程度选取的，每个需监测区域可以根据大气污染程度进行选取，同一需监测区域在每次融合浓度是否超出浓度阈值的判断时可以选取不同的浓度阈值，如果是多个需监测区域也可以选取不同的浓度阈值。在当前的融合浓度超出浓度阈值是则判断出该需监测区域为超标区域。
本说明书实施例仅是对超标区域进行后续的积分处理，如果需监测区域不是超标区域，则不对该需监测区域进行后续的积分处理。
步骤30：基于融合浓度对超标区域进行积分处理；
基于融合浓度对超标区域进行积分处理，可以确定各方面的影响因素对积分的综合影响力度。由于融合浓度涉及多方面的影响因素，整合这些影响因素对超标区域的综合影响力度可以基于这些融合浓度对超标区域进行积分处理。
如果超标区域为多个的情况下可以对多个超标区域进行积分排名，对积分达到积分阈值的超标区域进行报警。
步骤40：在积分超出积分阈值的条件下对超标区域进行报警。
在判断出积分处理后得到的积分超出积分阈值的条件下对超标区域进行报警。
本说明书实施例提供的监测方法综合考虑监测数据和影响特征的影响对大气污染进行综合评定得出融合浓度，对于超标区域的融合浓度通过积分处理得到积分后对于积分超出积分阈值时则对超标区域进行报警，积分处理的目的在于确定对于超标区域的融合浓度多方面的贡献因素，可以提高大气污染监测的准确度，有助于从多方面的贡献因素中有针对性的进行大气环境的治理。
参照图2所示，本说明书实施例提供的用于大气污染的监测方法中，步骤10：基于监测数据和影响特征获取需监测区域的融合浓度，具体包括：
步骤100：基于监测数据插值计算需监测区域的大气污染的插值浓度；
基于监测站点的监测数据获取目的区域内所有需监测区域的大气污染的插值浓度。插值计算方法可以选取最近邻插值法、双线性插值法或者双三次插值法。
步骤110：获取影响特征对需监测区域的大气污染的贡献浓度；
其次是，获取影响特征对于需监测区域的大气污染的贡献浓度，影响特征可以是多方面的比如文中提到的影响特征。也可以是多种方式获取的对于需监测区域的大气污染的贡献因素。如下文中提到的静态特征，静态特征是对于涉及需监测区域所在目的区域的大气污染的分析评述，可以包括污染普查数据、环保部的监察数据等。动态特征是动态环境对需监测区域的大气污染的贡献因素，可以包括气象数据、监测站点的监测数据，具体可以参见上文所述。
步骤120：基于插值浓度和贡献浓度确定融合浓度。
综合考虑插值浓度和贡献浓度后确定需监测区域的融合浓度，这里的融合浓度是综合考量后得出的结果，目的在于综合各方面的贡献因素，确保需监测区域的融合浓度的准确性。
参照图3所示，本说明书实施例提供的用于大气污染的监测方法，步骤100：基于监测数据插值计算需监测区域的大气污染的插值浓度，具体包括：
步骤101：基于监测数据采用插值法得到插值浓度。
对于需监测区域可以采用每小时计算该需监测区域的污染浓度得到对于该需监测区域的监测数据x，使用监测数据x进行差值得到该需监测区域的插值浓度。对于目的区域比如某一城市的预测污染物浓度，可以采用需监测区域的监测数据x差值计算该城市内所有需监测区域的插值浓度，得到该城市内所有需监测区域的插值浓度值：y1=f(x)。
参照图4所示，本说明书实施例提供的用于大气污染的监测方法，影响特征包括静态特征和动态特征，步骤110：获取影响特征对大气污染的贡献浓度，具体包括：
步骤111：通过机器学习分别获取静态特征和动态特征对大气污染的贡献浓度。
通过机器学习分别获取该需监测区域的贡献浓度，影响特征包括静态特征和动态特征。机器学习的方法可以是线性回归、支持向量机、集成模型、数据聚类等。
首先，通过机器学习的方法计算不同的静态特征对该需监测区域的大气污染的贡献浓度：y2=f(x1)，其中，静态特征的数据x1包括：二次污染普查数据涉及工业、农业、生活污染源等的信息；环保部的监察数据涉及企业数量、企业问题等信息；城市用电数据涉及商企、生活等有关需监测区域的耗电量、网络POI数据；卫星识别涉及裸地、工厂等的地理信息。可见静态特征是静态呈现的数据，通过机器学习的方法可以综合考虑上述贡献因素对于需监测区域的大气污染的贡献浓度，也可以参见上文对静态特征的描述。
然后，在静态特征对需监测区域的大气污染的贡献浓度y2的基础上，通过机器学习的方法计算动态特征对需监测区域的大气污染的贡献浓度：y3=f(x2,y2)，动态特征的数据x2包括：监测站数据、气象数据等对于需监测区域的大气污染产生实时影响的贡献因素，动态特征的具体参数可以参见上文对动态特征的描述。
可见，本说明书实施例提供的用于大气污染的监测方法融合插值法得到的插值浓度，以及采用机器学习的方法获取静态特征、动态特征对于需监测区域的贡献浓度来综合得到该需监测区域的融合浓度。
参照图5所示，本说明书实施例提供的用于大气污染的监测方法，步骤120：基于插值浓度和贡献浓度确定融合浓度，具体包括：
步骤121：计算插值浓度和贡献浓度的浓度差；
对于需监测区域的大气污染的融合浓度的计算在分别获取插值浓度和贡献浓度后，计算插值浓度和贡献浓度的浓度差，目的在于根据插值浓度和贡献浓度所占权重计算得到融合浓度。计算插值浓度和贡献浓度的浓度差diff：diff=|y1-y3|。
步骤122：分别计算插值浓度和贡献浓度的权重；
1、接着分别计算插值浓度和贡献浓度的权重，插值浓度的权重：
w1=e-0.01×diff，相应地，贡献浓度的权重：w2=1-w1。
步骤123：根据插值浓度和贡献浓度所占权重获取融合浓度。
融合上一个步骤得到的插值浓度和贡献浓度所占权重获取融合浓度：y=w1×y3+w2×y1。
参照图6所示，本说明书实施例提供的用于大气污染的监测方法，步骤20：基于融合浓度判断出需监测区域为超标区域，具体包括：
步骤200：若融合浓度超出浓度阈值，则判断出需监测区域为超标区域。
从历史的融合浓度数据库中获取融合浓度的浓度阈值，浓度阈值是根据大气污染程度选取的，每个需监测区域可以根据大气污染程度进行选取，同一需监测区域在每次融合浓度是否超出浓度阈值的判断时可以选取不同的浓度阈值，如果是多个需监测区域也可以选取不同的浓度阈值。在当前的融合浓度超出浓度阈值是则判断出该需监测区域为超标区域，对于超标区域进行后续的积分处理，如果需监测区域不是超标区域，则不对该需监测区域进行后续的积分处理。
参照图7所示，本说明书实施例提供的用于大气污染的监测方法，需监测区域的数量为多个，步骤30：基于融合浓度对超标区域进行积分处理，具体包括：
步骤300：对需监测区域的融合浓度与周围监测区域的融合浓度的浓度差进行初始积分计算，得到初始积分；
获取超标区域历史一个月的融合浓度的数据，逐小时计算这一个月内该需监测区域与周围监测区域的融合浓度的浓度差，可以看出首先分别得出需监测区域以及需监测区域周边的周围监测区域的融合浓度。然后对逐小时得出的融合浓度的浓度差diff进行赋权w，求和得到初始积分：score =Σ(diff×w)，其中w=（|Ts-t| + |Te-t|×k）/ |Ts-Te|，t：逐小时；Ts：历史一个月的开始时间；Te：历史一个月的结束时间，即计算积分的当前时刻；k的设定：如该需监测区域的历史一个月内有报警且有排查结果，获取最近一次排查的排查日期T，若公式中的t在T之前，系数为k1，k1为0；若公式中的t在T之后，系数为k2，k2为0~1；如该需监测区域的历史一个月内只有报警没有进行排查，获取最近一次产生报警的日期T，若公式中的t在T之前，系数为k1，k1为0~0.5；若公式中的t在T之后，系数为k2，k2为0.5~1；如该需监测区域的历史一个月内未产生过报警，所有时刻t的系数为k，k1为0~1。
步骤310：对初始积分进行归一化处理；
对需监测区域的融合浓度进行初始积分计算后得到初始积分，对该初始积分进行归一化处理：score=f(score)。这里的归一化处理可以选用常用的归一化处理方法比如把有量纲表达式变为无量纲表达式。
步骤320：基于历史排查信息对归一化处理后的初始积分进行第一调整；
通常对报警的超标区域进行排查，得到排查结果，拍差价结果包括发现问题和未发现问题。对初始积分进行归一化处理后结合对于需监测区域的历史三个月内的历史排查信息，历史排查信息包括排查准确率和问题发现率进行第一调整：
score=score×((1-Mu/n×k)×Ka + (1-e-2×(Mf-cnt))/(1+e-2×(Mf-cnt))×Kp + 1)
n：对于该需监测区域的排查次数；
Mu：对于该需监测区域的排查结果中未发现问题的次数；
Mf：对于该需监测区域的排查结果中发现问题的次数；
cnt：目的区域中所有的需监测区域的中位数；
k：目的区域中所有的需监测区域的排查次数的中位数median；当该需监测区域的排查次数m<median：k=0.7，否则k=1；
Ka：对于该需监测区域的排查准确率权重；
Kp：对于该需监测区域的问题发现率权重。
步骤330：基于排放热区对调整后的初始积分的进行第二调整。
对于目的区域划分成多个需监测区域的情况，对于所有的需监测区域的插值浓度进行排名，将插值浓度排名前15%的需监测区域作为排放热区。这些排放热区会对需监测区域产生影响，基于排放热区对需监测区域调整后的初始积分进行第二调整：
score=score(1+s/Sn)，
s：目的区域内过去三天的排放热区面积之和；
Sn：目的区域的整体面积；
排放热区：将目标区域内所有的需监测区域的插值浓度进行排名，将插值浓度排名前15％的需监测区域作为排放热区。
参照图8所示，步骤40：在积分超出积分阈值的条件下对超标区域进行报警之后，本说明书实施例提供的用于大气污染的监测方法，还包括：
步骤50：对报警的超标区域进行排查，获取排查结果，排查结果包括发现问题和未发现问题。
对需监测区域的融合浓度进行筛选，筛选过程中需要结合历史的排查情况、排放热区的相关数据，可以对当前目的区域内的各超标区域进行积分排名，对积分超出积分阈值的超标区域进行报警。需要说明的是，所有的超标区域可能都会产生报警，在报警产生后需要对报警的超标区域进行排查，排查结果分为发现问题和未发现问题。
参照图9所示，步骤10：基于监测数据和影响特征获取需监测区域的融合浓度之前，本说明书实施例提供的用于大气污染的监测方法，还包括：
步骤60：若需监测区域出现过报警，并且排查结果为未发现问题，则在设定时间段内冻结该需监测区域，
本说明书实施例提供的用于大气污染的监测方法中，可以每天对所有的需监测区域进行监测，对于有的需监测区域出现过报警并且排查结果为未发现问题，则需要在设定时间段内冻结该需监测区域，目的在于在设定时间段内不获取该需监测区域的融合浓度，即在设定时间段内不再问询该需监测区域的融合浓度。设定时间段到达后对该监测区域的报警次数重新清零后继续进行监测。
可以看出，本说明书实施例提供的用于大气污染的监测方法中，先后采用冻结、浓度阈值初步筛选出超标区域，然后对超标区域进行积分处理，对于超出积分阈值的需监测区域进行报警。
参照图10所示，步骤10：基于监测数据和影响特征获取需监测区域的融合溶度之前，本说明书实施例提供的用于大气污染的监测方法，还包括：
步骤70：将目的区域划分为多个需监测区域；
将目的区域划分为多个需监测区域的目的在于可以对更小面积的需监测区域进行监测，比如可以将某一个城市划分为多个需监测区域。例如可以将一个城市划分为500m×500m的多个需监测区域，然后利用插值浓度以及采用静态特征数据、动态特征数据通过机器学习的方法得到贡献浓度，最后计算得到需监测区域的融合浓度。对于需监测区域的融合浓度结合历史融合浓度的数据从数据库中获取对应的浓度阈值，若当前的融合浓度查出浓度阈值，则需监测区域为超标区域，否则不进行下一步的积分处理。
对应地，步骤10：基于监测数据和影响特征获取需监测区域的融合溶度，具体包括:
步骤130：分别获取多个需监测区域的融合浓度。
对于目的区域划分为多个需监测区域的情况，需要分别获取这些多个需监测区域的融合浓度。在获取需监测区域的融合浓度后对于融合浓度超出浓度阈值的超标区域，需要对该超标区域的融合浓度进行积分处理后，对积分超出积分阈值的超标区域进行报警。
以北京市作为目的区域为例描述监测过程：
可以将北京市划分为多个需监测区域，例如可以是网格状的多个需监测区域。
首先是冻结步骤：
判定各个需监测区域当天的天气情况比如是清洁天或者重污染天等，对每个需监测区域筛选过去同一种天气情况的一个月的历史数据，如果历史数据中显示该需监测区域产生过报警，并且在报警后对该需监测区域进行了排查且排查结果为未发现问题，则冻结该需监测区域7天，进行线下整改，7天内不再报警。7天结束后，对该需监测区域的报警次数清零后继续对该需监测区域进行监控，其余未冻结的需监测区域标记为集合a；
然后是超标区域选取步骤：
对集合a内的需监测区域结合当天的天气情况、当日污染浓度等级，以及影响特征的贡献因素获取需监测区域的融合浓度后，根据对于该需监测区域的融合浓度的历史数据从数据库中获取对应的浓度阈值；若该需监测区域的融合浓度未达到浓度阈值，则不进行下一步；
其余达到浓度阈值的需监测区域为超标区域，标记为集合b；
接着是积分处理步骤：
第一步：对集合b中的超标区域进行初始积分计算，得到初始积分：
获取集合b中所有超标区域的历史一个月的融合浓度的数据；
逐小时计算历史一个月内该超标区域与周边的周围监测区域的融合浓度的浓度差，对逐小时的浓度差diff进行赋权w，求和得到初始积分：
score =Σ(diff×w)，
w=（|Ts-t| + |Te-t|×k）/ |Ts-Te|；
t：逐小时；
Ts：历史一个月的开始时间；
Te：历史一个月的结束时间，即计算积分的当前时刻；
k的设定：
如该超标区域在历史时间段内有报警且有排查结果，获取最近一次排查的日期T，若公式中的t在T之前，系数为k1，k1=0，；若公式中的t在T之后，系数为k2，k2=1；如该超标区域在历史时间段内只有报警没有进行排查，获取最近一次产生报警的日期T，若公式中的t在T之前，系数为k1，k1=0.5；若公式中的t在T之后，系数为k2，k2=1；如该超标区域在历史时间段内未产生过报警，所有时刻的t的系数为k，k=1。
第二步：对集合b中超标区域的初始积分进行归一化处理：score=f(score)。
第三步：结合历史排查信息对归一化处理后的初始积分进行第一调整：
获取各区域历史三个月内的报警排查数据，结合排查准确率与问题发现率进行积分调节：
score=score×((1-Mu/n×k)*Ka + (1-e-2×(Mf-cnt))/(1+e-2×(Mf-cnt))×Kp + 1)
n：对于该超标区域的排查次数；
Mu：对于该超标区域的排查结果中未发现问题的次数；
Mf：对于该超标区域的排查结果中发现问题的次数；
cnt：所有需监测区域的中位数；
k：所有需监测区域的排查次数中位数median；当该超标区域排查次数m<median：k=0.7，否则k=1；
Ka：对于该超标区域的排查准确率权重；
Kp：对于该超标区域的问题发现率权重；
第四步：基于排放热区对调整后的初始积分的进行第二调整：
score=score(1+s/Sn)
s：目的区域内过去三天的排放热区面积之和；
Sn：目的区域的整体面积；
排放热区：将目的区域内所有需监测区域的插值浓度进行排名，将插值浓度排名前15％的需监测区域作为排放热区。
最后是产生报警的步骤：
集合b中的超标区域的积分socre达到积分阈值，生成集合c，集合c为最终报警的需监测区域的集合。
通过上述技术方案，本申请提供的一种用于大气污染的监测方法，适用于将目的区域划分为多个网格单元，网格单元为需监测区域，基于大气污染的监测数据和影响特征获取需监测区域的融合浓度后，判断融合浓度是否超出浓度阈值，在融合浓度超出浓度阈值后将需监测区域列为超标区域。基于融合浓度对超标区域进行积分处理后，对于得到的积分判断是否超出积分阈值，在积分超出积分阈值的条件下对超标区域进行报警。本申请提供的监测方法综合考虑监测数据和影响特征的影响对大气污染进行综合评定，可以提高大气污染监测的准确度和对污染源的监测力度，利于大气环境的治理。在实际操作中如果遇到目的区域的面积较大的情况可以将目的区域划分为多个网格单元，每一个网格单元作为一个需监测区域，比如可以将某一个监测城市作为目的区域，将目的区域划分为多个需监测区域。
实施例二
参照图11所示，为本说明书实施例提供的一种用于大气污染的监测装置10，包括：
融合浓度获取模块100，用于基于监测数据和影响特征获取需监测区域的融合溶度；
监测数据可以是监测站点对需监测区域的监测数据，或者需监测区域的卫星遥感数据，也可以是其他途径获取的对于需监测区域的监测数据。
影响特征可以是多种方式获取的对于需监测区域的大气污染的贡献因素比如下文中提到的静态特征，静态特征是对于需监测区域的大气污染的分析评述，静态特征可以包括污染普查数据、环保部的监察数据等，动态特征是动态环境对需监测区域的大气污染的贡献因素，动态特征可以包括气象数据、监测站点的监测数据。
基于监测数据和影响特征获取需监测区域的融合浓度，可见本说明书实施例得到的融合浓度是综合对需监测区域的大气污染有影响的多方面的贡献因素，结合各种报道信息以及监测时间段内动态环境对需监测区域的大气污染的贡献因素，可以提高大气污染监测的准确度，有助于大气环境的治理。
超标区域判断模块110，用于基于所述融合浓度判断出所述需监测区域为超标区域；
当前的融合浓度得出后，从历史的融合浓度数据库中获取融合浓度的浓度阈值，浓度阈值是根据大气污染程度选取的，每个需监测区域可以根据大气污染程度进行选取，同一需监测区域在每次融合浓度是否超出浓度阈值的判断时可以选取不同的浓度阈值，如果是多个需监测区域也可以选取不同的浓度阈值。在当前的融合浓度超出浓度阈值是则判断出该需监测区域为超标区域。
本说明书实施例仅是对超标区域进行后续的积分处理，如果需监测区域不是超标区域，则不对该需监测区域进行后续的积分处理。
积分处理模块120，用于基于融合浓度对所述超标区域进行积分处理；
对超标区域的融合浓度进行积分处理，可以确定各方面的影响因素对积分的综合影响力度。
如果超标区域为多个的情况下可以对多个超标区域进行积分排名，对积分达到积分阈值的超标区域进行报警。
报警模块130，用于在积分超出积分阈值的条件下对所述超标区域进行报警。
在判断出积分处理后得到的积分超出积分阈值的条件下对超标区域进行报警。
本说明书实施例提供的监测方法综合考虑监测数据和影响特征的影响对大气污染进行综合评定得出融合浓度，对于超标区域的融合浓度通过积分处理得到积分后对于积分超出积分阈值时则对超标区域进行报警，积分处理的目的在于确定对于超标区域的融合浓度多方面的贡献因素，可以提高大气污染监测的准确度，有助于从多方面的贡献因素中有针对性的进行大气环境的治理。
在一些实施例中，本说明书实施例提供的监测装置中，融合浓度获取模块100，还用于：
基于监测数据插值计算需监测区域的大气污染的插值浓度；
基于监测站点的监测数据获取需监测区域的大气污染的插值浓度。
获取影响特征对大气污染的贡献浓度；
其次是获取影响特征对于需监测区域的大气污染的贡献浓度，影响特征可以是多方面的比如文中提到的影响特征可以是多种方式获取的对于需监测区域的大气污染的贡献因素。如下文中提到的静态特征，静态特征是对于需监测区域的大气污染的分析评述，静态特征可以包括污染普查数据、环保部的监察数据等，动态特征是动态环境对需监测区域的大气污染的贡献因素，动态特征可以包括气象数据、监测站点的监测数据。
基于插值浓度和贡献浓度确定融合浓度。
综合考虑插值浓度和贡献浓度后确定需监测区域的融合浓度，这里的融合浓度是综合考量后得出的结果，目的在于综合各方面的贡献因素，确保需监测区域的融合浓度的准确性。
通过上述技术方案，本申请提供的一种用于大气污染的监测方法，适用于将目的区域划分为多个网格单元，网格单元为需监测区域，基于大气污染的监测数据和影响特征获取需监测区域的融合浓度后，判断融合浓度是否超出浓度阈值，在融合浓度超出浓度阈值后将需监测区域列为超标区域。基于融合浓度对超标区域进行积分处理后，对于得到的积分判断是否超出积分阈值，在积分超出积分阈值的条件下对超标区域进行报警。本申请提供的监测方法综合考虑监测数据和影响特征的影响对大气污染进行综合评定，可以提高大气污染监测的准确度和对污染源的监测力度，利于大气环境的治理。在实际操作中如果遇到目的区域的面积较大的情况可以将目的区域划分为多个网格单元，每一个网格单元作为一个需监测区域，比如可以将某一个监测城市作为目的区域，将目的区域划分为多个需监测区域。
实施例三
图12是本说明书实施例提供的一个实施例的电子设备的结构示意图。在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器（non-volatile memory），例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构）总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构）总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图12中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成区块链共识装置。处理器，执行存储器所存放的程序，并具体用于执行本说明书实施例中各执行主体所对应的方法步骤。
上述如本说明书图1至图10所示实施例揭示的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（Digital Signal Processor，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。可以实现或者执行本说明书一个或多个实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书一个或多个实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1至图10所示实施例的方法，并实现相应装置在图11所示实施例的功能，本说明书实施例在此不再赘述。
当然，除了软件实现方式之外，本说明书实施例的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
通过上述技术方案，本申请提供的一种用于大气污染的监测方法，适用于将目的区域划分为多个网格单元，网格单元为需监测区域，基于大气污染的监测数据和影响特征获取需监测区域的融合浓度后，判断融合浓度是否超出浓度阈值，在融合浓度超出浓度阈值后将需监测区域列为超标区域。基于融合浓度对超标区域进行积分处理后，对于得到的积分判断是否超出积分阈值，在积分超出积分阈值的条件下对超标区域进行报警。本申请提供的监测方法综合考虑监测数据和影响特征的影响对大气污染进行综合评定，可以提高大气污染监测的准确度和对污染源的监测力度，利于大气环境的治理。在实际操作中如果遇到目的区域的面积较大的情况可以将目的区域划分为多个网格单元，每一个网格单元作为一个需监测区域，比如可以将某一个监测城市作为目的区域，将目的区域划分为多个需监测区域。
实施例四
本说明书实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1至图10所示实施例的方法。
通过上述技术方案，本申请提供的一种用于大气污染的监测方法，适用于将目的区域划分为多个网格单元，网格单元为需监测区域，基于大气污染的监测数据和影响特征获取需监测区域的融合浓度后，判断融合浓度是否超出浓度阈值，在融合浓度超出浓度阈值后将需监测区域列为超标区域。基于融合浓度对超标区域进行积分处理后，对于得到的积分判断是否超出积分阈值，在积分超出积分阈值的条件下对超标区域进行报警。本申请提供的监测方法综合考虑监测数据和影响特征的影响对大气污染进行综合评定，可以提高大气污染监测的准确度和对污染源的监测力度，利于大气环境的治理。在实际操作中如果遇到目的区域的面积较大的情况可以将目的区域划分为多个网格单元，每一个网格单元作为一个需监测区域，比如可以将某一个监测城市作为目的区域，将目的区域划分为多个需监测区域。
总之，以上所述仅为本说明书的较佳实施例而已，并非用于限定本说明书的保护范围。凡在本说明书的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书的保护范围之内。
上述一个或多个实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商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、商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，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
Claims (10)
1.一种用于大气污染的监测方法，适用于将目的区域划分为多个网格单元，所述网格单元为需监测区域，所述方法，包括：
基于监测数据和影响特征获取所述需监测区域的融合浓度；
基于所述融合浓度判断出所述需监测区域为超标区域；
基于所述融合浓度对所述超标区域进行积分处理；
在积分超出积分阈值的条件下对所述超标区域进行报警。
2.如权利要求1所述的监测方法，基于监测数据和影响特征获取需监测区域的融合浓度，具体包括：
基于所述监测数据插值计算所述需监测区域的大气污染的插值浓度；
获取所述影响特征对所述需监测区域的所述大气污染的贡献浓度；
基于所述插值浓度和所述贡献浓度确定所述融合浓度。
3.如权利要求2所述的监测方法，所述影响特征包括静态特征和动态特征，获取所述影响特征对所述大气污染的贡献浓度，具体包括：
通过机器学习分别获取所述静态特征和所述动态特征对所述大气污染的贡献浓度。
4.如权利要求2所述的监测方法，基于所述插值浓度和所述贡献浓度确定所述融合浓度，具体包括：
计算所述插值浓度和所述贡献浓度的浓度差；
分别计算所述插值浓度和所述贡献浓度的权重；
根据所述插值浓度和所述贡献浓度所占权重获取所述融合浓度。
5.如权利要求1至4中任一项所述的监测方法，基于所述融合浓度判断出所述需监测区域为超标区域，具体包括：
若所述融合浓度超出浓度阈值，则判断出所述需监测区域为超标区域。
6.如权利要求5所述的监测方法，所述目的区域包括当前的需监测区域和周围的需监测区域，基于所述融合浓度对所述超标区域的进行积分处理，具体包括：
对所述当前的需监测区域的融合浓度与所述周围的需监测区域的融合浓度的浓度差进行初始积分计算，得到初始积分；
对所述初始积分进行归一化处理；
基于历史排查信息对归一化处理后的初始积分进行第一调整；
基于排放热区对调整后的所述初始积分进行第二调整。
7.如权利要求1所述的监测方法，在积分超出积分阈值的条件下对所述超标区域进行报警之后，所述方法，还包括：
对报警的所述超标区域进行排查，获取排查结果，所述排查结果包括发现问题和未发现问题；
对应地，基于所述融合浓度判断出所述需监测区域为超标区域之前，所述方法，还包括：
若所述需监测区域出现过报警，并且所述排查结果为未发现问题，则在设定时间段内冻结所述需监测区域。
8.一种用于大气污染的监测装置，适用于将目的区域划分为多个网格单元，所述网格单元为需监测区域，所述装置，包括：
融合浓度获取模块，用于基于监测数据和影响特征获取所述需监测区域的融合溶度；
超标区域判断模块，用于基于所述融合浓度判断出所述需监测区域为超标区域；
积分处理模块，用于基于所述融合浓度对所述超标区域进行积分处理；
报警模块，用于在积分超出积分阈值的条件下对所述超标区域进行报警。
9.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如权利要求1至7中任一项所述的用于大气污染的监测方法。
10.一种存储介质，存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行如权利要求1至7中任一项所述的用于大气污染的监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011037097.5A CN112509288B (zh) | 2020-09-28 | 2020-09-28 | 用于大气污染的监测方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011037097.5A CN112509288B (zh) | 2020-09-28 | 2020-09-28 | 用于大气污染的监测方法、装置、电子设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112509288A true CN112509288A (zh) | 2021-03-16 |
| CN112509288B CN112509288B (zh) | 2022-01-14 |
Family
ID=74953693
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011037097.5A Active CN112509288B (zh) | 2020-09-28 | 2020-09-28 | 用于大气污染的监测方法、装置、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112509288B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113393058A (zh) * | 2021-07-14 | 2021-09-14 | 成都佳华物链云科技有限公司 | 污染物管控方法、预测管控方法、实时管控方法及装置 |
| CN113655176A (zh) * | 2021-08-12 | 2021-11-16 | 平安国际智慧城市科技股份有限公司 | 垃圾焚烧的污染超标检测方法、装置、设备及存储介质 |
| CN114241722A (zh) * | 2021-12-06 | 2022-03-25 | 福建钰融科技有限公司 | 废液运输安全预警方法及装置 |
| CN114677013A (zh) * | 2022-03-28 | 2022-06-28 | 王大成 | 一种基于物联网的大气碳浓度监控系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4543815A (en) * | 1983-07-15 | 1985-10-01 | Cerberus Ag | Device for the detection of foreign components in a gas and an application of the device |
| CN109298136A (zh) * | 2018-10-11 | 2019-02-01 | 北京大学 | 空气质量评价方法、装置、设备和存储介质 |
| CN109613179A (zh) * | 2018-11-14 | 2019-04-12 | 北京英视睿达科技有限公司 | 累积高值区的确定方法 |
| CN109977185A (zh) * | 2019-03-19 | 2019-07-05 | 深圳博沃智慧科技有限公司 | 基于网格的大气污染监管方法和系统 |
| CN110108837A (zh) * | 2019-04-04 | 2019-08-09 | 北京英视睿达科技有限公司 | 一种基于热点网格污染数据监测的预警方法 |
| CN110727717A (zh) * | 2019-12-17 | 2020-01-24 | 北京英视睿达科技有限公司 | 网格化大气污染强度的监控方法、装置、设备和存储介质 |
| CN110954482A (zh) * | 2019-12-02 | 2020-04-03 | 生态环境部卫星环境应用中心 | 基于静止卫星和极轨卫星的大气污染网格化监控方法 |
| CN111650345A (zh) * | 2020-07-14 | 2020-09-11 | 中科三清科技有限公司 | 大气环境污染检测数据的处理方法、装置、设备及介质 |
-
2020
- 2020-09-28 CN CN202011037097.5A patent/CN112509288B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4543815A (en) * | 1983-07-15 | 1985-10-01 | Cerberus Ag | Device for the detection of foreign components in a gas and an application of the device |
| CN109298136A (zh) * | 2018-10-11 | 2019-02-01 | 北京大学 | 空气质量评价方法、装置、设备和存储介质 |
| CN109613179A (zh) * | 2018-11-14 | 2019-04-12 | 北京英视睿达科技有限公司 | 累积高值区的确定方法 |
| CN109977185A (zh) * | 2019-03-19 | 2019-07-05 | 深圳博沃智慧科技有限公司 | 基于网格的大气污染监管方法和系统 |
| CN110108837A (zh) * | 2019-04-04 | 2019-08-09 | 北京英视睿达科技有限公司 | 一种基于热点网格污染数据监测的预警方法 |
| CN110954482A (zh) * | 2019-12-02 | 2020-04-03 | 生态环境部卫星环境应用中心 | 基于静止卫星和极轨卫星的大气污染网格化监控方法 |
| CN110727717A (zh) * | 2019-12-17 | 2020-01-24 | 北京英视睿达科技有限公司 | 网格化大气污染强度的监控方法、装置、设备和存储介质 |
| CN111650345A (zh) * | 2020-07-14 | 2020-09-11 | 中科三清科技有限公司 | 大气环境污染检测数据的处理方法、装置、设备及介质 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113393058A (zh) * | 2021-07-14 | 2021-09-14 | 成都佳华物链云科技有限公司 | 污染物管控方法、预测管控方法、实时管控方法及装置 |
| CN113393058B (zh) * | 2021-07-14 | 2023-10-20 | 成都佳华物链云科技有限公司 | 污染物管控方法、预测管控方法、实时管控方法及装置 |
| CN113655176A (zh) * | 2021-08-12 | 2021-11-16 | 平安国际智慧城市科技股份有限公司 | 垃圾焚烧的污染超标检测方法、装置、设备及存储介质 |
| CN113655176B (zh) * | 2021-08-12 | 2024-03-15 | 平安国际智慧城市科技股份有限公司 | 垃圾焚烧的污染超标检测方法、装置、设备及存储介质 |
| CN114241722A (zh) * | 2021-12-06 | 2022-03-25 | 福建钰融科技有限公司 | 废液运输安全预警方法及装置 |
| CN114241722B (zh) * | 2021-12-06 | 2024-01-16 | 福建钰融科技有限公司 | 废液运输安全预警方法及装置 |
| CN114677013A (zh) * | 2022-03-28 | 2022-06-28 | 王大成 | 一种基于物联网的大气碳浓度监控系统 |
| CN114677013B (zh) * | 2022-03-28 | 2022-10-25 | 王大成 | 一种基于物联网的大气碳浓度监控系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112509288B (zh) | 2022-01-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112509288B (zh) | 用于大气污染的监测方法、装置、电子设备及介质 | |
| CN112182064A (zh) | 一种污染物来源分析方法、装置、电子设备及存储介质 | |
| Zhou et al. | Multi-output support vector machine for regional multi-step-ahead PM2. 5 forecasting | |
| Salman et al. | Selection of gridded precipitation data for Iraq using compromise programming | |
| Marlon et al. | Hot dry days increase perceived experience with global warming | |
| CN110954482A (zh) | 基于静止卫星和极轨卫星的大气污染网格化监控方法 | |
| Slamova et al. | Mapping atmospheric corrosion in coastal regions: methods and results | |
| Liu et al. | Improving drought predictability in Arkansas using the ensemble PDSI forecast technique | |
| CN111611296A (zh) | Pm2.5污染成因分析方法、装置、电子设备及存储介质 | |
| Jiang et al. | Exploring the utility of the random forest method for forecasting ozone pollution in SYDNEY | |
| CN115235560B (zh) | 评估生态系统碳汇能力的方法、装置、设备及存储介质 | |
| Sonali et al. | Intercomparison of CMIP5 and CMIP3 simulations of the 20th century maximum and minimum temperatures over India and detection of climatic trends | |
| Caquilpán P et al. | Advantages and challenges of the implementation of a low-cost particulate matter monitoring system as a decision-making tool | |
| CN115358060A (zh) | 一种支持新能源发电功率高精度预测的高效算法框架 | |
| CN112633701B (zh) | 基于区块链的交通工程道路裂缝的巡检方法及系统 | |
| CN116703004B (zh) | 一种基于预训练模型的水系流域智慧巡护方法和装置 | |
| Washington et al. | A data‐driven method for identifying the locations of hurricane evacuations from mobile phone location data | |
| Angryk et al. | The SMART approach to comprehensive quality assessment of site-based spatial-temporal data | |
| Mak et al. | Heavy flow-based incident detection algorithm using information from two adjacent detector stations | |
| Zhu et al. | A data-driven approach for optimal design of integrated air quality monitoring network in a chemical cluster | |
| Zhang et al. | Temporal stability analysis for the evaluation of spatial and temporal patterns of surface water quality | |
| Joly et al. | Enhancing air quality forecasts by geomatic downscaling: an application to daily PM 10 concentrations in France | |
| Kethireddy et al. | The status of geo-environmental health in Mississippi: Application of spatiotemporal statistics to improve health and air quality | |
| Huang et al. | Crowdsourced geospatial data in human and earth observations: Opportunities and challenges | |
| Kobus et al. | The use of spatial data processing tools for air quality assessments-practical examples |
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 | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 100071 Beijing Fengtai Auto Museum West Road No. 8 Courtyard 1 Building 6 Floor 606 Patentee after: Beijing Yingshi Ruida Technology Co.,Ltd. Address before: 100071 Beijing Fengtai Auto Museum West Road No. 8 Courtyard 1 Building 6 Floor 606 Patentee before: BEIJING INSIGHTS VALUE TECHNOLOGY Co.,Ltd. |