CN113487470A - 一种基于大数据的环保隐患精准监测定位方法 - Google Patents
一种基于大数据的环保隐患精准监测定位方法 Download PDFInfo
- Publication number
- CN113487470A CN113487470A CN202110846496.4A CN202110846496A CN113487470A CN 113487470 A CN113487470 A CN 113487470A CN 202110846496 A CN202110846496 A CN 202110846496A CN 113487470 A CN113487470 A CN 113487470A
- Authority
- CN
- China
- Prior art keywords
- data
- pollution
- water quality
- monitoring
- air
- 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.)
- Withdrawn
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 44
- 230000007613 environmental effect Effects 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims abstract description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 45
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 24
- 201000010099 disease Diseases 0.000 claims description 17
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 14
- 238000003912 environmental pollution Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 abstract description 2
- 230000010354 integration Effects 0.000 abstract description 2
- 239000000383 hazardous chemical Substances 0.000 abstract 2
- 239000003344 environmental pollutant Substances 0.000 description 6
- 231100000719 pollutant Toxicity 0.000 description 6
- 239000000463 material Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003911 water pollution Methods 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
-
- 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
- G06N3/045—Combinations of networks
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Educational Administration (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
Abstract
本发明公开了一种基于大数据的环保隐患精准监测定位方法,涉及环保预警技术领域,解决了现有方案无法对污染隐患进行预警,且污染源的监测定位手段单一,导致污染治理不及时的技术问题;本发明分别获取了参考标签和预警标签;利用大量的数据进行全面分析,能够在污染未形成危害之前进行预警,且能够精准定位污染源,避免了大面积污染的发生;本发明通过人工智能模型、水质指标、空气指标和卫星图像特征获取污染类型;利用人工智能模型的数据整合预测能力来处理水质指标、空气指标和卫星图像特征,提高计算效率,且能够保证污染类型的判定精度,有助于提高环保隐患的定位精度。
Description
技术领域
本发明属于环保预警领域,涉及基于大数据的环保隐患定位技术,具体是一种基于大数据的环保隐患精准监测定位方法。
背景技术
环境问题日亦受到人们的关注。目前的环境污染最主要的是空气污染和水污染,这两种污染的影响范围大、污染定位难,也是环境污染预警和防治需要重点分析的内容。
公开号为CN111461167A的发明专利公开了一种基于大数据的污染源定位方法、装置、设备及存储介质,在预置时长范围内对目标河段区域进行监测并采集数据,得到多个排污口对应的监测数据;基于预置分类模型对污染物进行分类,得到污染源:根据污染物浓度计算污染源对应的污染物排放量通过预置算法计算污染物排放量与监测数据的相关性,得到排污规律画像;当检测到污染物浓度超标时,根据排污规律画像对超标的污染物进行匹配分析,得到目标污染源:当目标污染源为工业源时,从排污规律画像中确定目标企业,并发送预置预警信息。
上述方案通过挖掘不同类型的污染源排放规律,提高污染源定位的精准率,并及时预警;但是,上述方案的监测手段单一,参考数据不够全面,且只能在污染发生之后进行监测,无法实现对污染隐患的预警和定位;因此,亟需一种能够及时预警、准确监测的污染源定位方法。
发明内容
本发明提供了一种基于大数据的环保隐患精准监测定位方法,用于解决现有方案无法对污染隐患进行预警,且污染源的监测定位手段单一,导致污染治理不及时的技术问题,本发明通过参考标签、预警标签和污染预测模型解决了上述问题。
本发明的目的可以通过以下技术方案实现:一种基于大数据的环保隐患精准监测定位方法,包括:
获取参考数据和监测数据;其中所述参考数据包括医疗数据和图像数据,所述监测数据包括卫星图像数据、水质指标和空气指标;
对参考数据进行分析获取参考标签,根据参考标签和监测数据获取预警标签;通过人工智能模型、水质指标、空气指标和卫星图像特征获取污染类型;所述参考标签和所述预警标签的取值为0或者1;
当预警标签为1时,根据污染类型和目标区域定位隐患点。
优选的,所述参考数据和监测数据均在允许权限范围内获取。
优选的,所述参考标签的获取包括:
提取参考数据中的医疗数据;所述参考数据的来源为单一诊所或者特定区域内的所有诊所;
以病名为统计主题,获取统计周期内该病名对应的患病人数,并标记为HR;其中,所述统计周期包括一天、一星期或者一小时,所述病名对应疾病的源头为环境污染;
获取同样统计周期内的就诊人数JR;
当BPX≥L1时,则判定特定区域出现环境污染,将参考标签设置为1;否则,将参考标签设置为0;其中,L1为评估系数阈值,且L1为大于0的实数。
优选的,当参考标签为1时,获取参考数据来源对应的行政区域标记为目标区域,所述目标区域对应预警标签的获取包括:
提取监测数据中的水质指标和空气指标;其中,所述水质指标和所述空气指标均通过设置在目标区域内的采集传感器获取;
当目标区域内的空气指标和水质指标均正常时,则判定目标区域内的环境正常,将预警标签设置为0;当空气指标和水质指标均异常时,则判定目标区域内的环境异常,将预警标签设置为1。
优选的,所述空气指标异常具体包括:
所述空气指标大于目标区域内的空气指标阈值;或者,所述空气指标的最大值大于目标区域内空气指标阈值;其中,所述空气指标阈值根据目标区域内的具体情况设定。
优选的,所述水质指标的异常具体包括:
所述水质指标大于目标区域内的水质指标阈值;或者,所述水质指标的最大值大于目标区域内水质指标阈值;其中,所述水质指标阈值根据目标区域内的具体情况设定。
优选的,所述采集传感器包括空气质量检测仪和水质检测仪。
优选的,所述污染类型通过人工智能模型获取,包括:
构建人工智能模型;所述人工智能模型包括误差逆向反馈神经网络、RBF神经网络和深度卷积神经网络中的一种或者多种;
通过标准训练数据对人工智能模型进行训练,将训练完成的人工智能模型标记为污染预测模型;其中,所述标准训练数据为筛选之后的数据,包括水质指标、空气指标、卫星图像特征以及对应的污染类型,且所述标准训练数据中的污染类型通过人工标注或者机器标注;
将监测数据输入至污染预测模型获取对应的污染类型。
优选的,所述特定区域具体包括县级行政区域、镇级行政区域、市级行政区域中的一个或者多个。
与现有技术相比,本发明的有益效果是:
1、本发明分别获取了参考标签和预警标签;通过参考数据在允许情况下获取参考标签,当参考标签为1时,根据监测数据获取预警标签,当预警标签为1时,则获取目标区域和污染类型,在目标区域内,根据污染类型查找对应环保隐患点;利用大量的数据进行全面分析,能够在污染未形成危害之前进行预警,且能够精准定位污染源,避免了大面积污染的发生。
2、本发明通过人工智能模型、水质指标、空气指标和卫星图像特征获取污染类型;利用人工智能模型的数据整合预测能力来处理水质指标、空气指标和卫星图像特征,提高计算效率,且能够保证污染类型的判定精度,有助于提高环保隐患的定位精度。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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为本发明的原理步骤示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
这里使用的术语用于描述实施例,并不意图限制和/或限制本公开;应该注意的是,除非上下文另有明确指示,否则单数形式的“一”、“一个”和“该”也包括复数形式;而且,尽管属于“第一”、“第二”等可以在本文中用于描述各种元件,但是元件不受这些术语的限制,这些术语仅用于区分一个元素和另一个元素。
请参阅图1,本申请提供了一种基于大数据的环保隐患精准监测定位方法,包括:
获取参考数据和监测数据;其中所述参考数据包括医疗数据和图像数据;
对参考数据进行分析获取参考标签,根据参考标签和监测数据获取预警标签;通过人工智能模型、水质指标、空气指标和卫星图像特征获取污染类型;
当预警标签为1时,根据污染类型和目标区域定位隐患点。
本申请中的参考数据和监测数据均在允许的权限下获取,尤其是医疗数据和卫星图像数据。
本申请中,也可以在不考虑参考数据的基础上,直接获取预警标签;且本申请提供的方案也可以针对已经发生污染源进行监测定位。
本申请中的参考标签通过参考数据获取,包括:
提取参考数据中的医疗数据;所述参考数据的来源为单一诊所或者特定区域内的所有诊所;以病名为统计主题,获取统计周期内该病名对应的患病人数,并标记为HR;获取同样统计周期内的就诊人数JR;通过公式获取病情评估系数BPX;当BPX≥L1时,则判定特定区域出现环境污染,将参考标签设置为1;否则,将参考标签设置为0。
本实施例中,患病人数为1,就诊人数为10,α取值为1,则病情评估系数为0.1;当评估系数阈值为0.01时,则表示对应特定区域出现了环境污染,当然,这里的出现环境污染并不是真的出现环境污染,而是指存在环境污染的可能性。
当参考标签为1时,获取参考数据来源对应的行政区域标记为目标区域,目标区域对应预警标签的获取包括:
提取监测数据中的水质指标和空气指标;
当目标区域内的空气指标和水质指标均正常时,则判定目标区域内的环境正常,将预警标签设置为0;当空气指标和水质指标均异常时,则判定目标区域内的环境异常,将预警标签设置为1。
本实施例中空气指标和水质指标异常的判定为,空气指标和水质指标超过对应目标区域内指标均值,即判定为异常;在另外一些更优选的实施例中,空气指标和水质指标超过对应目标区域内指标最高值,即判定为异常。
本申请还需要获取污染类型,具体为:
构建人工智能模型;本实施例中的人工智能模型可以只包括误差逆向反馈神经网络、RBF神经网络和深度卷积神经网络中的一种,在另外一些更优选的实施例中,人工智能模型可以只包括误差逆向反馈神经网络、RBF神经网络和深度卷积神经网络中的两种以上的融合;
通过标准训练数据对人工智能模型进行训练,将训练完成的人工智能模型标记为污染预测模型;将监测数据输入至污染预测模型获取对应的污染类型。
本实施例中的标准训练数据是经过筛选之后具有代表性的数据,每条数据包括水质指标、空气指标、卫星图像特征以及对应的污染类型;对数据中水质指标、空气指标、卫星图像特征标注污染类型时,既可以人工标注,又可以机器标注,能够保证模型训练精度即可。
最后需要根据污染类型和目标区域定位隐患点。在目标区域内查找能够产生对应污染类型的企业,则该企业即可判定为环保隐患点。
本申请中的特定区域具体包括县级行政区域、镇级行政区域、市级行政区域中的一个或者多个;也可以是自定义的区域。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
本实施例中提到的卫星图像特征包括空间特性和光谱特性。
本发明的工作原理:
在权限允许的范围内获取参考数据和监测数据;提取参考数据中的医疗数据,以病名为统计主题,获取统计周期内该病名对应的患病人数,获取同样统计周期内的就诊人数,根据患病人数和就诊人数获取病情评估系数BPX;当BPX≥L1时,则判定特定区域出现环境污染,将参考标签设置为1;否则,将参考标签设置为0。
当参考标签为1时,获取参考数据来源对应的行政区域标记为目标区域,提取监测数据中的水质指标和空气指标;当目标区域内的空气指标和水质指标均正常时,则判定目标区域内的环境正常,将预警标签设置为0;当空气指标和水质指标均异常时,则判定目标区域内的环境异常,将预警标签设置为1。
构建人工智能模型,通过标准训练数据对人工智能模型进行训练,将训练完成的人工智能模型标记为污染预测模型,将监测数据输入至污染预测模型获取对应的污染类型;当预警标签为1时,根据污染类型和目标区域定位隐患点。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (9)
1.一种基于大数据的环保隐患精准监测定位方法,其特征在于,包括:
获取参考数据和监测数据;其中所述参考数据包括医疗数据和图像数据,所述监测数据包括卫星图像数据、水质指标和空气指标;
对参考数据进行分析获取参考标签,根据参考标签和监测数据获取预警标签;通过人工智能模型、水质指标、空气指标和卫星图像特征获取污染类型;所述参考标签和所述预警标签的取值为0或者1;
当预警标签为1时,根据污染类型和目标区域定位隐患点。
2.根据权利要求1所述的一种基于大数据的环保隐患精准监测定位方法,其特征在于,所述参考数据和监测数据均在允许权限范围内获取。
4.根据权利要求3所述的一种基于大数据的环保隐患精准监测定位方法,其特征在于,当参考标签为1时,获取参考数据来源对应的行政区域标记为目标区域,所述目标区域对应预警标签的获取包括:
提取监测数据中的水质指标和空气指标;其中,所述水质指标和所述空气指标均通过设置在目标区域内的采集传感器获取;
当目标区域内的空气指标和水质指标均正常时,则判定目标区域内的环境正常,将预警标签设置为0;当空气指标和水质指标均异常时,则判定目标区域内的环境异常,将预警标签设置为1。
5.根据权利要求4所述的一种基于大数据的环保隐患精准监测定位方法,其特征在于,所述空气指标异常具体包括:
所述空气指标大于目标区域内的空气指标阈值;或者,所述空气指标的最大值大于目标区域内空气指标阈值;其中,所述空气指标阈值根据目标区域内的具体情况设定。
6.根据权利要求4所述的一种基于大数据的环保隐患精准监测定位方法,其特征在于,所述水质指标的异常具体包括:
所述水质指标大于目标区域内的水质指标阈值;或者,所述水质指标的最大值大于目标区域内水质指标阈值;其中,所述水质指标阈值根据目标区域内的具体情况设定。
7.根据权利要求4所述的一种基于大数据的环保隐患精准监测定位方法,其特征在于,所述采集传感器包括空气质量检测仪和水质检测仪。
8.根据权利要求1所述的一种基于大数据的环保隐患精准监测定位方法,其特征在于,所述污染类型通过人工智能模型获取,包括:
构建人工智能模型;所述人工智能模型包括误差逆向反馈神经网络、RBF神经网络和深度卷积神经网络中的一种或者多种;
通过标准训练数据对人工智能模型进行训练,将训练完成的人工智能模型标记为污染预测模型;其中,所述标准训练数据为筛选之后的数据,包括水质指标、空气指标、卫星图像特征以及对应的污染类型,且所述标准训练数据中的污染类型通过人工标注或者机器标注;
将监测数据输入至污染预测模型获取对应的污染类型。
9.根据权利要求3所述的一种基于大数据的环保隐患精准监测定位方法,其特征在于,所述特定区域具体包括县级行政区域、镇级行政区域、市级行政区域中的一个或者多个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110846496.4A CN113487470A (zh) | 2021-07-26 | 2021-07-26 | 一种基于大数据的环保隐患精准监测定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110846496.4A CN113487470A (zh) | 2021-07-26 | 2021-07-26 | 一种基于大数据的环保隐患精准监测定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113487470A true CN113487470A (zh) | 2021-10-08 |
Family
ID=77942810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110846496.4A Withdrawn CN113487470A (zh) | 2021-07-26 | 2021-07-26 | 一种基于大数据的环保隐患精准监测定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113487470A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114126042A (zh) * | 2021-11-22 | 2022-03-01 | 中大检测(湖南)股份有限公司 | 一种基于tdoa的wlan定位方法 |
CN114417981A (zh) * | 2021-12-28 | 2022-04-29 | 安徽新宇环保科技股份有限公司 | 一种智能河长巡测系统 |
CN114441463A (zh) * | 2022-01-25 | 2022-05-06 | 安徽新宇环保科技股份有限公司 | 全光谱水质数据分析方法 |
CN117274827A (zh) * | 2023-11-23 | 2023-12-22 | 江苏国态环保集团有限公司 | 一种智慧环境环保远程实时监测预警方法及系统 |
-
2021
- 2021-07-26 CN CN202110846496.4A patent/CN113487470A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114126042A (zh) * | 2021-11-22 | 2022-03-01 | 中大检测(湖南)股份有限公司 | 一种基于tdoa的wlan定位方法 |
CN114417981A (zh) * | 2021-12-28 | 2022-04-29 | 安徽新宇环保科技股份有限公司 | 一种智能河长巡测系统 |
CN114441463A (zh) * | 2022-01-25 | 2022-05-06 | 安徽新宇环保科技股份有限公司 | 全光谱水质数据分析方法 |
CN117274827A (zh) * | 2023-11-23 | 2023-12-22 | 江苏国态环保集团有限公司 | 一种智慧环境环保远程实时监测预警方法及系统 |
CN117274827B (zh) * | 2023-11-23 | 2024-02-02 | 江苏国态环保集团有限公司 | 一种智慧环境环保远程实时监测预警方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113487470A (zh) | 一种基于大数据的环保隐患精准监测定位方法 | |
CN116362570B (zh) | 一种基于大数据平台的多维度污染分析方法及系统 | |
CN113610381B (zh) | 一种基于5g网络的水质远程实时监测系统 | |
CN112651553A (zh) | 一种城市大气污染预警监管和决策分析的方法 | |
CN110672144B (zh) | 污染源检测方法和装置 | |
CN112270633B (zh) | 一种基于大数据驱动的公益诉讼线索研判系统和方法 | |
CN114417981B (zh) | 一种智能河长巡测系统 | |
CN113485218B (zh) | 一种基于5g的智慧物联监管平台 | |
CN113053063A (zh) | 基于移动端的灾害在线处置流程实现方法 | |
CN117630319B (zh) | 一种基于大数据的水质监测预警方法及系统 | |
CN116881749A (zh) | 一种污染场地施工监测方法及系统 | |
CN112326583A (zh) | 一种基于物联网的毒害气体智能检测系统及方法 | |
CN115860477A (zh) | 一种基于电力数据的污染物实时排放监测方法和系统 | |
CN116596306A (zh) | 基于风险分级的食品安全监督抽查方法及系统 | |
CN115658772A (zh) | 一种无人机光伏巡检数据类资产管理方法及系统 | |
CN114646735A (zh) | 一种空气中二氧化碳浓度监测系统 | |
CN114295162A (zh) | 一种基于数据采集的环境监测系统 | |
CN114386477A (zh) | 一种辐射场异常监测数据自动识别方法 | |
CN102222269A (zh) | 一种高速公路机电设施养护评价的模糊分层评价方法 | |
CN103903191B (zh) | 一种基于状态的变电站实时风险评估方法 | |
CN117314705B (zh) | 一种基于遥感影像的环境综合评估预测方法 | |
CN117114500B (zh) | 基于数据分解的行为基线建立方法、系统及介质 | |
CN116934102B (zh) | 一种用于工业园区的环境风险管控系统 | |
CN117349777B (zh) | 一种水环境在线监测数据真伪智能识别系统及方法 | |
CN116739357B (zh) | 多模态融合感知的城市既有建筑广域监测预警方法及装置 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211008 |
|
WW01 | Invention patent application withdrawn after publication |