CN113959477A - 基于物联网的环境防治监测提醒方法及系统 - Google Patents
基于物联网的环境防治监测提醒方法及系统 Download PDFInfo
- Publication number
- CN113959477A CN113959477A CN202111020008.0A CN202111020008A CN113959477A CN 113959477 A CN113959477 A CN 113959477A CN 202111020008 A CN202111020008 A CN 202111020008A CN 113959477 A CN113959477 A CN 113959477A
- Authority
- CN
- China
- Prior art keywords
- data
- actual
- monitoring
- value
- sudden increase
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/80—Arrangements in the sub-station, i.e. sensing device
- H04Q2209/84—Measuring functions
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于物联网的环境防治监测提醒方法及系统,包括基于预设的环境物联网监测模块,实时获取预设特定时间段内当前环境监测区域内的各项实际检测环境参数数据,根据各所述实际检测环境参数数据和各所述预设特定时间分别以预设时间节点为刻度生成实际环境参数变化趋势图形数据,生成各项实际检测环境参数数据在预设特定时间段内的实际曲线增长值,并根据各所述实际曲线增长值的数值大小自大至小依次排练后生成实际曲线增长数据集,自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并分别生成当前实际增长异常权值。本发明实现提高环境防治的监测效率、准确率及实时性。
Description
技术领域
本申请涉及环境防治技术领域,特别是涉及一种基于物联网的环境防治监测提醒方法及系统。
背景技术
物联网,即“万物相连的互联网”,是互联网基础上的延伸和扩展的网络,将各种信息传感设备与网络结合起来而形成的一个巨大网络,实现在任何时间、任何地点,人、机、物的互联互通。是指通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术,实时采集任何需要监控、连接、互动的物体或过程,采集其声、光、热、电、力学、化学、生物、位置等各种需要的信息,通过各类可能的网络接入,实现物与物、物与人的泛在连接,实现对物品和过程的智能化感知、识别和管理。
物联网的应用越来越广,如申请号为CN202023093251.9的实用新型专利公开了一种用于监测室内环境的智能物联网系统,涉及室内环境检测技术领域,包括室内环境监测模块和核心处理器模块,室内环境监测模块的输出端与核心处理器模块的输出端连接,核心处理器模块上连接有显示模块、警报模块、控制器模块和物联网模块,物联网模块通过无线连接有用户端,核心处理器模块的输出端上连接有监控模块。
虽然该实用新型中通过室内环境监测模块的设置,能够实时对室内的环境各项数据进行检测,并将检测到的数据全部以数字信号方式发送到核心处理器模块上,同时物联网模块将信号发送到用户端,但是,其仍然存在对环境防治的监测不准确以及监测效率低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高环境防治的监测效率、准确率及实时性的基于物联网的环境防治监测提醒方法及系统。
本发明技术方案如下:
一种基于物联网的环境防治监测提醒方法,所述方法包括:
基于预设的环境物联网监测模块,实时获取预设特定时间段内当前环境监测区域内的各项实际检测环境参数数据,其中,所述当前环境监测区域内预先设有多个实时环境监测点,各所述实时环境监测点均设有一个所述环境物联网监测模块,所述预设特定时间段内为预先设置;根据各所述实际检测环境参数数据和各所述预设特定时间分别以预设时间节点为刻度生成实际环境参数变化趋势图形数据,其中,各项所述实际检测环境参数数据对应生成一个所述实际环境参数变化趋势图形数据;根据各所述实际环境参数变化趋势图形数据分别生成各项实际检测环境参数数据在预设特定时间段内的实际曲线增长值,并根据各所述实际曲线增长值的数值大小自大至小依次排练后生成实际曲线增长数据集,其中,数值大小最大的所述实际曲线增长值排列第一位,其余所述实际曲线增长值依次递减排列;自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并将调取的实际曲线增长值分别导入至预设的环境参数监控异常模型中,并分别生成当前实际增长异常权值,其中,一个所述实际曲线增长值分别对应一个当前实际增长异常权值,并根据所述当前实际增长异常权值生成当前环境监测异常结果。
可选地,自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并将调取的实际曲线增长值分别导入至预设的环境参数监控异常模型中,并分别生成当前实际增长异常权值,其中,一个所述实际曲线增长值分别对应一个当前实际增长异常权值,并根据所述当前实际增长异常权值生成当前环境监测异常结果中,将所述实际曲线增长数据集中的第一位的实际曲线增长值导入至预设的环境参数监控异常模型并生成结果的步骤,的具体包括:
自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并在获取第一位的所述实际曲线增长值时,生成第一次匹配比对指令;根据所述第一次匹配比对指令对第一位的所述实际曲线增长值进行数据分析,并根据第一位的所述实际曲线增长值获取变化暴增节点数据,其中,所述变化暴增节点数据包括暴增时间节点和暴增比例值;根据所述暴增时间节点和所述暴增比例值获取暴增时间节点的大环境情况变化数据,并根据所述大环境情况变化数据为在暴增时间节点时刻的各环境参数组合后的环境数据;根据所述大环境情况变化数据生成所述大环境情况变化数据对所述暴增比例值的真实影响占比值;根据所述真实影响占比值判断所述真实影响占比值是否小于等于预设的非标影响阈值;在判断所述真实影响占比值是小于等于预设的非标影响阈值时,将所述暴增比例值导入至预设的环境参数监控异常模型中,并判断所述暴增比例值是否处于所述环境参数监控异常模型中的可控暴增范围区间内;若判断所述暴增比例值是处于所述环境参数监控异常模型中的可控暴增范围区间内,则生成正常增长结果指示;若判断所述暴增比例值不是处于所述环境参数监控异常模型中的可控暴增范围区间内,则生成非正常增长结果指示,其中,所述正常增长结果指示和所述非正常增长结果指示均属于当前实际增长异常权值。
具体地,若判断所述暴增比例值是处于所述环境参数监控异常模型中的可控暴增范围区间内,则生成正常增长结果指示;若判断所述暴增比例值不是处于所述环境参数监控异常模型中的可控暴增范围区间内,则生成非正常增长结果指示,其中,所述正常增长结果指示和所述非正常增长结果指示均属于当前实际增长异常权值之后还包括:
判断所述暴增比例值不是处于所述环境参数监控异常模型中的可控暴增范围区间内,并生成非正常增长结果指示后,则生成当前环境需防治指令;根据所述当前环境需防治指令获取所述所述暴增比例值的超出常值数据;将所述超出常值数据导入至预设的暴增比例措施提供模型中,并生成当前环境防治建议;根据所述当前环境防治建议生成环境防治推广指令,并获取在基于所述环境防治推广指令实施所述当前环境防治建议后的有效环境防治结果;根据所述超出常值数据、所述当前环境防治建议和所述有效环境防治结果生成有效防治组合数据,并将所述有效防治组合数据导入至所述暴增比例措施提供模型中,以使暴增比例措施提供模型作增量学习,并生成增量型措施提供模型。
具体地,将所述超出常值数据导入至预设的暴增比例措施提供模型中,并生成当前环境防治建议,具体包括:
将所述超出常值数据导入至预设的暴增比例措施提供模型后,将所述超出常值数据与所述暴增比例措施提供模型中预设的标准比例值作对比,并生成对比分析结果,其中,一个标准比例值还对应一个标准解决措施;根据所述对比分析结果调取与所述超出常值数据相匹配的标准比例值,并调取与标准比例值相匹配的标准解决措施;根据所述标准解决措施生成当前措施解决教程数据;根据生成的所述当前措施解决教程数据获取必要使用方法、必要环境监测硬件基础和必要监测协助主体;根据所述必要使用方法、必要环境监测硬件基础和必要监测协助主体生成所述当前环境防治建议。
具体地,所述环境物联网监测模块包括监测传感模块和物联数据传输模块;基于预设的环境物联网监测模块,实时获取预设特定时间段内当前环境监测区域内的各项实际检测环境参数数据,其中,所述当前环境监测区域内预先设有多个实时环境监测点,各所述实时环境监测点均设有一个所述环境物联网监测模块,所述预设特定时间段内为预先设置,具体包括:
基于预设在各实时环境监测点的监测传感模块获取当前时刻的初始检测环境参数数据,并生成数据校准指令;根据所述数据校准指令将所述初始检测环境参数数据发送至预设的数据自动校准模型中,并生成自动校准权值;当所述自动校准权值大于等于预设的较大误差校准值时,则将所述初始检测环境参数数据发送至预设的人工数据校准处,并获取所述人工校准处生成的第一校准调整参数;根据所述第一校准调整参数对所述初始检测环境参数数据进行数据校准,并生成所述实际检测环境参数数据,并基于物联数据传输模块将所述实际检测环境参数数据上传至云端。
具体地一种基于物联网的环境防治监测提醒系统,所述系统包括:
物联监测模块,用于基于预设的环境物联网监测模块,实时获取预设特定时间段内当前环境监测区域内的各项实际检测环境参数数据,其中,所述当前环境监测区域内预先设有多个实时环境监测点,各所述实时环境监测点均设有一个所述环境物联网监测模块,所述预设特定时间段内为预先设置;
检测环境模块,用于根据各所述实际检测环境参数数据和各所述预设特定时间分别以预设时间节点为刻度生成实际环境参数变化趋势图形数据,其中,各项所述实际检测环境参数数据对应生成一个所述实际环境参数变化趋势图形数据;
实际环境模块,用于根据各所述实际环境参数变化趋势图形数据分别生成各项实际检测环境参数数据在预设特定时间段内的实际曲线增长值,并根据各所述实际曲线增长值的数值大小自大至小依次排练后生成实际曲线增长数据集,其中,数值大小最大的所述实际曲线增长值排列第一位,其余所述实际曲线增长值依次递减排列;
曲线增长模块,用于自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并将调取的实际曲线增长值分别导入至预设的环境参数监控异常模型中,并分别生成当前实际增长异常权值,其中,一个所述实际曲线增长值分别对应一个当前实际增长异常权值,并根据所述当前实际增长异常权值生成当前环境监测异常结果。
具体地,所述系统还包括:
曲线增长模块,用于自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并在获取第一位的所述实际曲线增长值时,生成第一次匹配比对指令;
匹配比对模块,用于根据所述第一次匹配比对指令对第一位的所述实际曲线增长值进行数据分析,并根据第一位的所述实际曲线增长值获取变化暴增节点数据,其中,所述变化暴增节点数据包括暴增时间节点和暴增比例值;
暴增比例模块,用于根据所述暴增时间节点和所述暴增比例值获取暴增时间节点的大环境情况变化数据,并根据所述大环境情况变化数据为在暴增时间节点时刻的各环境参数组合后的环境数据;
数据生成模块,用于根据所述大环境情况变化数据生成所述大环境情况变化数据对所述暴增比例值的真实影响占比值;
比值判断模块,用于根据所述真实影响占比值判断所述真实影响占比值是否小于等于预设的非标影响阈值;
监控异常模块,用于在判断所述真实影响占比值是小于等于预设的非标影响阈值时,将所述暴增比例值导入至预设的环境参数监控异常模型中,并判断所述暴增比例值是否处于所述环境参数监控异常模型中的可控暴增范围区间内;
暴增范围模块,用于若判断所述暴增比例值是处于所述环境参数监控异常模型中的可控暴增范围区间内,则生成正常增长结果指示;若判断所述暴增比例值不是处于所述环境参数监控异常模型中的可控暴增范围区间内,则生成非正常增长结果指示,其中,所述正常增长结果指示和所述非正常增长结果指示均属于当前实际增长异常权值;
增长结果模块,用于判断所述暴增比例值不是处于所述环境参数监控异常模型中的可控暴增范围区间内,并生成非正常增长结果指示后,则生成当前环境需防治指令;
防治指令模块,用于根据所述当前环境需防治指令获取所述所述暴增比例值的超出常值数据;
比例措施模块,用于将所述超出常值数据导入至预设的暴增比例措施提供模型中,并生成当前环境防治建议;
防治推广模块,用于根据所述当前环境防治建议生成环境防治推广指令,并获取在基于所述环境防治推广指令实施所述当前环境防治建议后的有效环境防治结果;
常值数据模块,用于根据所述超出常值数据、所述当前环境防治建议和所述有效环境防治结果生成有效防治组合数据,并将所述有效防治组合数据导入至所述暴增比例措施提供模型中,以使暴增比例措施提供模型作增量学习,并生成增量型措施提供模型。
具体地,所述系统还包括:
标准比例模块,用于将所述超出常值数据导入至预设的暴增比例措施提供模型后,将所述超出常值数据与所述暴增比例措施提供模型中预设的标准比例值作对比,并生成对比分析结果,其中,一个标准比例值还对应一个标准解决措施;
结果调取模块,用于根据所述对比分析结果调取与所述超出常值数据相匹配的标准比例值,并调取与标准比例值相匹配的标准解决措施;
措施生成模块,用于根据所述标准解决措施生成当前措施解决教程数据;
教程数据模块,用于根据生成的所述当前措施解决教程数据获取必要使用方法、必要环境监测硬件基础和必要监测协助主体;
必要环境模块,用于根据所述必要使用方法、必要环境监测硬件基础和必要监测协助主体生成所述当前环境防治建议;
数据校准模块,用于基于预设在各实时环境监测点的监测传感模块获取当前时刻的初始检测环境参数数据,并生成数据校准指令;
自动校准模块,用于根据所述数据校准指令将所述初始检测环境参数数据发送至预设的数据自动校准模型中,并生成自动校准权值;
人工校准模块,用于当所述自动校准权值大于等于预设的较大误差校准值时,则将所述初始检测环境参数数据发送至预设的人工数据校准处,并获取所述人工校准处生成的第一校准调整参数;
实际检测模块,用于根据所述第一校准调整参数对所述初始检测环境参数数据进行数据校准,并生成所述实际检测环境参数数据,并基于物联数据传输模块将所述实际检测环境参数数据上传至云端。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述基于物联网的环境防治监测提醒方法所述的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于物联网的环境防治监测提醒方法所述的步骤。
本发明实现技术效果如下:
上述基于物联网的环境防治监测提醒方法及系统,依次通过基于预设的环境物联网监测模块,实时获取预设特定时间段内当前环境监测区域内的各项实际检测环境参数数据,其中,所述当前环境监测区域内预先设有多个实时环境监测点,各所述实时环境监测点均设有一个所述环境物联网监测模块,所述预设特定时间段内为预先设置;根据各所述实际检测环境参数数据和各所述预设特定时间分别以预设时间节点为刻度生成实际环境参数变化趋势图形数据,其中,各项所述实际检测环境参数数据对应生成一个所述实际环境参数变化趋势图形数据;根据各所述实际环境参数变化趋势图形数据分别生成各项实际检测环境参数数据在预设特定时间段内的实际曲线增长值,并根据各所述实际曲线增长值的数值大小自大至小依次排练后生成实际曲线增长数据集,其中,数值大小最大的所述实际曲线增长值排列第一位,其余所述实际曲线增长值依次递减排列;自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并将调取的实际曲线增长值分别导入至预设的环境参数监控异常模型中,并分别生成当前实际增长异常权值,其中,一个所述实际曲线增长值分别对应一个当前实际增长异常权值,并根据所述当前实际增长异常权值生成当前环境监测异常结果,也即,本发明首先在预先划定当前环境监测区域,并在所述当前环境监测区域内预先设有多个实时环境监测点,其中,各实时环境监测点预先设置好并实现对所述当前环境监测区域的全方位环境监测,并且所述环境物联网监测模块基于物联网技术而设置,组合了环境监测传感技术和物联数据传输技术,实现环境监测的实时监测和数据的实时传输,进而提升数据传输效率,接着通过预先设定所述预设特定时间段,实现检测到的数据是包括了一段时间范围内的数据总和,这样保证了数据的有效性和准确性,避免单一节点数据造成的误差问题,提升后续环境监测的准确率,而无需进行数据校准则提升了环境防治监测的监测效率,节省环境监测时间,接着,为了实现对当前环境监测区域内的环境数据的变化率分析,进而通过根据各所述实际检测环境参数数据和各所述预设特定时间分别以预设时间节点为刻度生成实际环境参数变化趋势图形数据,并且使各项所述实际检测环境参数数据对应生成一个所述实际环境参数变化趋势图形数据,同时,通过所述实际环境参数变化趋势图形数据直观且可视化地实现对预设特定时间内实际检测环境参数数据的变化情况的体现,实现可视化数据管理,提升后续数据处理的效率,然后,根据各所述实际环境参数变化趋势图形数据分别生成各项实际检测环境参数数据在预设特定时间段内的实际曲线增长值,并根据各所述实际曲线增长值的数值大小自大至小依次排练后生成实际曲线增长数据集,其中,实际曲线增长值是表征各项实际检测环境参数数据在预设特定时间段内的增长情况,是增长情况的数据可视化体现,而通过数值大小自大至小依次排练后生成实际曲线增长数据集,方便后续按照数值大小进行依次对比,也即自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并将调取的实际曲线增长值分别导入至预设的环境参数监控异常模型中,并分别生成当前实际增长异常权值,其中,所述实际曲线增长数据集中的第一位为实际增长曲线增长值最大的,也即对应的实际检测环境参数数据的变化是最大的,而变化最大的实际检测环境参数数据则意味着该项数据具备更大可能发生异常,并且该项数据更大可能地需要优先处理并且优先进行环境防治,因此,通过自所述实际曲线增长数据集中的第一位开始依次调取,则实现了区分轻重缓急的数据进行比对,同时分别生成当前实际增长异常权值,其中,一个所述实际曲线增长值分别对应一个当前实际增长异常权值,并根据所述当前实际增长异常权值生成当前环境监测异常结果,进而实现提高环境防治的监测效率、准确率及实时性。
附图说明
图1为一个实施例中基于物联网的环境防治监测提醒方法的流程示意图;
图2为一个实施例中基于物联网的环境防治监测提醒系统的结构框图;
图3为一个实施例中计算机设备的内部结构图。
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,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种基于物联网的环境防治监测提醒方法,所述方法包括:
步骤S100:基于预设的环境物联网监测模块,实时获取预设特定时间段内当前环境监测区域内的各项实际检测环境参数数据,其中,所述当前环境监测区域内预先设有多个实时环境监测点,各所述实时环境监测点均设有一个所述环境物联网监测模块,所述预设特定时间段内为预先设置;
具体地,首先在预先划定当前环境监测区域,并在所述当前环境监测区域内预先设有多个实时环境监测点,其中,各实时环境监测点预先设置好并实现对所述当前环境监测区域的全方位环境监测,并且所述环境物联网监测模块基于物联网技术而设置,组合了环境监测传感技术和物联数据传输技术,实现环境监测的实时监测和数据的实时传输,进而提升数据传输效率,接着通过预先设定所述预设特定时间段,实现检测到的数据是包括了一段时间范围内的数据总和,这样保证了数据的有效性和准确性,避免单一节点数据造成的误差问题,提升后续环境监测的准确率,而无需进行数据校准则提升了环境防治监测的监测效率,节省环境监测时间。
步骤S200:根据各所述实际检测环境参数数据和各所述预设特定时间分别以预设时间节点为刻度生成实际环境参数变化趋势图形数据,其中,各项所述实际检测环境参数数据对应生成一个所述实际环境参数变化趋势图形数据;
具体地,为了实现对当前环境监测区域内的环境数据的变化率分析,进而通过根据各所述实际检测环境参数数据和各所述预设特定时间分别以预设时间节点为刻度生成实际环境参数变化趋势图形数据,并且使各项所述实际检测环境参数数据对应生成一个所述实际环境参数变化趋势图形数据,同时,通过所述实际环境参数变化趋势图形数据直观且可视化地实现对预设特定时间内实际检测环境参数数据的变化情况的体现,实现可视化数据管理,提升后续数据处理的效率。
步骤S300:根据各所述实际环境参数变化趋势图形数据分别生成各项实际检测环境参数数据在预设特定时间段内的实际曲线增长值,并根据各所述实际曲线增长值的数值大小自大至小依次排练后生成实际曲线增长数据集,其中,数值大小最大的所述实际曲线增长值排列第一位,其余所述实际曲线增长值依次递减排列;
具体地,根据各所述实际环境参数变化趋势图形数据分别生成各项实际检测环境参数数据在预设特定时间段内的实际曲线增长值,并根据各所述实际曲线增长值的数值大小自大至小依次排练后生成实际曲线增长数据集,其中,实际曲线增长值是表征各项实际检测环境参数数据在预设特定时间段内的增长情况,是增长情况的数据可视化体现,而通过数值大小自大至小依次排练后生成实际曲线增长数据集,方便后续按照数值大小进行依次对比,也即自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并将调取的实际曲线增长值分别导入至预设的环境参数监控异常模型中,并分别生成当前实际增长异常权值,其中,所述实际曲线增长数据集中的第一位为实际增长曲线增长值最大的,也即对应的实际检测环境参数数据的变化是最大的,而变化最大的实际检测环境参数数据则意味着该项数据具备更大可能发生异常,并且该项数据更大可能地需要优先处理并且优先进行环境防治。
步骤S400:自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并将调取的实际曲线增长值分别导入至预设的环境参数监控异常模型中,并分别生成当前实际增长异常权值,其中,一个所述实际曲线增长值分别对应一个当前实际增长异常权值,并根据所述当前实际增长异常权值生成当前环境监测异常结果。
具体地,通过自所述实际曲线增长数据集中的第一位开始依次调取,则实现了区分轻重缓急的数据进行比对,同时分别生成当前实际增长异常权值,其中,一个所述实际曲线增长值分别对应一个当前实际增长异常权值,并根据所述当前实际增长异常权值生成当前环境监测异常结果,进而实现提高环境防治的监测效率、准确率及实时性。
在一个实施例中,步骤S400:自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并将调取的实际曲线增长值分别导入至预设的环境参数监控异常模型中,并分别生成当前实际增长异常权值,其中,一个所述实际曲线增长值分别对应一个当前实际增长异常权值,并根据所述当前实际增长异常权值生成当前环境监测异常结果中,将所述实际曲线增长数据集中的第一位的实际曲线增长值导入至预设的环境参数监控异常模型并生成结果的步骤,的具体包括:
步骤S410:自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并在获取第一位的所述实际曲线增长值时,生成第一次匹配比对指令;
步骤S420:根据所述第一次匹配比对指令对第一位的所述实际曲线增长值进行数据分析,并根据第一位的所述实际曲线增长值获取变化暴增节点数据,其中,所述变化暴增节点数据包括暴增时间节点和暴增比例值;
具体地,对实际曲线增长值进行数据分析后,根据第一位的所述实际曲线增长值获取变化暴增节点数据,其中,所述变化暴增节点数据为暴增时所包含的数据,如包括暴增时间节点和暴增比例值。
所述暴增时间节点为暴增的时刻节点,如在t1、t2的时间节点暴增,具体暴增的定义为增长呈高斜率增长,如斜率对应的倾斜角为45以上即可定义为暴增,当然也可以把倾斜角定义为其他的数值。
所述暴增比例值为具体暴增的数值多少。
步骤S430:根据所述暴增时间节点和所述暴增比例值获取暴增时间节点的大环境情况变化数据,并根据所述大环境情况变化数据为在暴增时间节点时刻的各环境参数组合后的环境数据;
具体地,为了实现数据的准确对比与判断,故要排除大环境,如灾害导致的环境问题发生,如材料仓库发生火灾,导致浮沉增多,进而导致的局部区域的空气指令的下降,容易造成该区域的环境污染的假象,因而需要排除此类事件对环境监测造成的影响。
因此,通过根据所述暴增时间节点和所述暴增比例值获取暴增时间节点的大环境情况变化数据,并根据所述大环境情况变化数据为在暴增时间节点时刻的各环境参数组合后的环境数据。
步骤S440:根据所述大环境情况变化数据生成所述大环境情况变化数据对所述暴增比例值的真实影响占比值;
具体地,通过真实影响占比值实现了所述大环境情况变化数据是否对当前发生变化的环境参数数据造成真实影响的判断。
如,大环境情况变化数据是火灾,而所述暴增比例值为与火灾无相关关联的环境参数,如大气辐射。
步骤S450:根据所述真实影响占比值判断所述真实影响占比值是否小于等于预设的非标影响阈值;
所述非标影响阈值用于衡量是否收到影响。
步骤S460:在判断所述真实影响占比值是小于等于预设的非标影响阈值时,将所述暴增比例值导入至预设的环境参数监控异常模型中,并判断所述暴增比例值是否处于所述环境参数监控异常模型中的可控暴增范围区间内;
进一步地,在判断所述真实影响占比值是小于等于预设的非标影响阈值时,则说明不受到大环境影响。因此,可以通过将所述暴增比例值导入至预设的环境参数监控异常模型中,并判断所述暴增比例值是否处于所述环境参数监控异常模型中的可控暴增范围区间内。
若判断所述真实影响占比值不是小于等于预设的非标影响阈值时,则说明此时检测到的环境数据是暂时的,因为受到了不可控数据的影响,因而间隔一端实际后再进行判断。
步骤S470:若判断所述暴增比例值是处于所述环境参数监控异常模型中的可控暴增范围区间内,则生成正常增长结果指示;若判断所述暴增比例值不是处于所述环境参数监控异常模型中的可控暴增范围区间内,则生成非正常增长结果指示,其中,所述正常增长结果指示和所述非正常增长结果指示均属于当前实际增长异常权值。
具体地,通过所述正常增长结果指示和所述非正常增长结果的生成,实现了所述当前实际增长异常权值的生成。
在一个实施例中,步骤S470:若判断所述暴增比例值是处于所述环境参数监控异常模型中的可控暴增范围区间内,则生成正常增长结果指示;若判断所述暴增比例值不是处于所述环境参数监控异常模型中的可控暴增范围区间内,则生成非正常增长结果指示,其中,所述正常增长结果指示和所述非正常增长结果指示均属于当前实际增长异常权值之后还包括:
步骤S471:判断所述暴增比例值不是处于所述环境参数监控异常模型中的可控暴增范围区间内,并生成非正常增长结果指示后,则生成当前环境需防治指令;
其中,所述可控暴增范围区间为预先设置,当处于可控暴增范围区间时,说明可控,为正常增长,而不处于可控暴增范围区间时,说明不可控,则生成当前环境需防治指令。
步骤S472:根据所述当前环境需防治指令获取所述所述暴增比例值的超出常值数据;
超出常值数据则为超出了原本正常的范围值后的数据。
步骤S473:将所述超出常值数据导入至预设的暴增比例措施提供模型中,并生成当前环境防治建议;
所述暴增比例措施提供模型为预先设置,并用于根据数据的输入提供与至相匹配的防治建议数据的模型。
步骤S474:根据所述当前环境防治建议生成环境防治推广指令,并获取在基于所述环境防治推广指令实施所述当前环境防治建议后的有效环境防治结果;
步骤S475:根据所述超出常值数据、所述当前环境防治建议和所述有效环境防治结果生成有效防治组合数据,并将所述有效防治组合数据导入至所述暴增比例措施提供模型中,以使暴增比例措施提供模型作增量学习,并生成增量型措施提供模型。
具体地,增量学习为增量学习是指一个学习系统能不断地从新样本中学习新的知识,并能保存大部分以前已经学习到的知识。增量学习非常类似于人类自身的学习模式。因为人在成长过程中,每天学习和接收新的事物,学习是逐步进行的,而且,对已经学习到的知识,人类一般是不会遗忘的。本步骤中,为暴增比例措施提供模型不断地从所述超出常值数据、所述当前环境防治建议和所述有效环境防治结果中学习新的知识,并能保存大部分以前已经学习到的数据,进而生成增量型措施提供模型,提升下次判断地准确性。
在一个实施例中,步骤S473:将所述超出常值数据导入至预设的暴增比例措施提供模型中,并生成当前环境防治建议,具体包括:
步骤S481:将所述超出常值数据导入至预设的暴增比例措施提供模型后,将所述超出常值数据与所述暴增比例措施提供模型中预设的标准比例值作对比,并生成对比分析结果,其中,一个标准比例值还对应一个标准解决措施;
所述标准比例值与所述标准解决措施的对应关系预先建立。
步骤S482:根据所述对比分析结果调取与所述超出常值数据相匹配的标准比例值,并调取与标准比例值相匹配的标准解决措施;
步骤S483:根据所述标准解决措施生成当前措施解决教程数据;
步骤S484:根据生成的所述当前措施解决教程数据获取必要使用方法、必要环境监测硬件基础和必要监测协助主体;
步骤S485:根据所述必要使用方法、必要环境监测硬件基础和必要监测协助主体生成所述当前环境防治建议。
进一步地,本步骤中,为了实现在发现问题后,能够对环境防治进行有效解决,因此通过本步骤中先将所述超出常值数据导入至预设的暴增比例措施提供模型后,将所述超出常值数据与所述暴增比例措施提供模型中预设的标准比例值作对比,并生成对比分析结果,接着,所述对比分析结果用于调取与所述超出常值数据相匹配的标准比例值,并调取与标准比例值相匹配的标准解决措施,根据所述标准解决措施生成当前措施解决教程数据;其中,根据生成的所述当前措施解决教程数据获取必要使用方法、必要环境监测硬件基础和必要监测协助主体,所述必要使用方法为相关环境监测设备所需要使用的方法以及环境监测中对数据的统计方法,所述必要监测协助主体为专业环境监测人员。
接着,根据所述必要使用方法、必要环境监测硬件基础和必要监测协助主体生成所述当前环境防治建议,进而实现建议的生成。
在一个实施例中,所述环境物联网监测模块包括监测传感模块和物联数据传输模块;
具体地,所述监测传感模块为多种环境监测传感器所集合而成的器件,主要用于对环境参数数据进行监测并获取相关数据。
其中,所述物联数据传输模块为基于物联网技术的数据传输模块,主要为了实现数据的快速传输,提升数据处理效率。
步骤S100:基于预设的环境物联网监测模块,实时获取预设特定时间段内当前环境监测区域内的各项实际检测环境参数数据,其中,所述当前环境监测区域内预先设有多个实时环境监测点,各所述实时环境监测点均设有一个所述环境物联网监测模块,所述预设特定时间段内为预先设置,具体包括:
步骤S110:基于预设在各实时环境监测点的监测传感模块获取当前时刻的初始检测环境参数数据,并生成数据校准指令;
步骤S120:根据所述数据校准指令将所述初始检测环境参数数据发送至预设的数据自动校准模型中,并生成自动校准权值;
步骤S130:当所述自动校准权值大于等于预设的较大误差校准值时,则将所述初始检测环境参数数据发送至预设的人工数据校准处,并获取所述人工校准处生成的第一校准调整参数;
步骤S140:根据所述第一校准调整参数对所述初始检测环境参数数据进行数据校准,并生成所述实际检测环境参数数据,并基于物联数据传输模块将所述实际检测环境参数数据上传至云端。
具体地,为了实现获取的所述实际检测环境参数数据的准确性,因此,通过基于预设在各实时环境监测点的监测传感模块获取当前时刻的初始检测环境参数数据,并生成数据校准指令,所述数据校准指令用于将所述初始检测环境参数数据发送至预设的数据自动校准模型中,并生成自动校准权值,其中,所述自动校准权值为需要校准的环境数据的数量的总和,标示了需要校准的数据的多少,而所述数据自动校准模型为预先设置,用于自动识别出错误的数据,所述较大误差校准值表征是否需要进行数据校准,当大于较大误差校准值时,说明误差较多,需要进行校准,也即当所述自动校准权值大于等于预设的较大误差校准值时,则将所述初始检测环境参数数据发送至预设的人工数据校准处,并获取所述人工校准处生成的第一校准调整参数,并且为了实现准确获取数据以及数据的保存,故通过对所述初始检测环境参数数据进行数据校准,并生成所述实际检测环境参数数据,并基于物联数据传输模块将所述实际检测环境参数数据上传至云端。
综上所述,本发明所述基于物联网的环境防治监测提醒方法及系统,依次通过基于预设的环境物联网监测模块,实时获取预设特定时间段内当前环境监测区域内的各项实际检测环境参数数据,其中,所述当前环境监测区域内预先设有多个实时环境监测点,各所述实时环境监测点均设有一个所述环境物联网监测模块,所述预设特定时间段内为预先设置;根据各所述实际检测环境参数数据和各所述预设特定时间分别以预设时间节点为刻度生成实际环境参数变化趋势图形数据,其中,各项所述实际检测环境参数数据对应生成一个所述实际环境参数变化趋势图形数据;根据各所述实际环境参数变化趋势图形数据分别生成各项实际检测环境参数数据在预设特定时间段内的实际曲线增长值,并根据各所述实际曲线增长值的数值大小自大至小依次排练后生成实际曲线增长数据集,其中,数值大小最大的所述实际曲线增长值排列第一位,其余所述实际曲线增长值依次递减排列;自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并将调取的实际曲线增长值分别导入至预设的环境参数监控异常模型中,并分别生成当前实际增长异常权值,其中,一个所述实际曲线增长值分别对应一个当前实际增长异常权值,并根据所述当前实际增长异常权值生成当前环境监测异常结果,也即,本发明首先在预先划定当前环境监测区域,并在所述当前环境监测区域内预先设有多个实时环境监测点,其中,各实时环境监测点预先设置好并实现对所述当前环境监测区域的全方位环境监测,并且所述环境物联网监测模块基于物联网技术而设置,组合了环境监测传感技术和物联数据传输技术,实现环境监测的实时监测和数据的实时传输,进而提升数据传输效率,接着通过预先设定所述预设特定时间段,实现检测到的数据是包括了一段时间范围内的数据总和,这样保证了数据的有效性和准确性,避免单一节点数据造成的误差问题,提升后续环境监测的准确率,而无需进行数据校准则提升了环境防治监测的监测效率,节省环境监测时间,接着,为了实现对当前环境监测区域内的环境数据的变化率分析,进而通过根据各所述实际检测环境参数数据和各所述预设特定时间分别以预设时间节点为刻度生成实际环境参数变化趋势图形数据,并且使各项所述实际检测环境参数数据对应生成一个所述实际环境参数变化趋势图形数据,同时,通过所述实际环境参数变化趋势图形数据直观且可视化地实现对预设特定时间内实际检测环境参数数据的变化情况的体现,实现可视化数据管理,提升后续数据处理的效率,然后,根据各所述实际环境参数变化趋势图形数据分别生成各项实际检测环境参数数据在预设特定时间段内的实际曲线增长值,并根据各所述实际曲线增长值的数值大小自大至小依次排练后生成实际曲线增长数据集,其中,实际曲线增长值是表征各项实际检测环境参数数据在预设特定时间段内的增长情况,是增长情况的数据可视化体现,而通过数值大小自大至小依次排练后生成实际曲线增长数据集,方便后续按照数值大小进行依次对比,也即自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并将调取的实际曲线增长值分别导入至预设的环境参数监控异常模型中,并分别生成当前实际增长异常权值,其中,所述实际曲线增长数据集中的第一位为实际增长曲线增长值最大的,也即对应的实际检测环境参数数据的变化是最大的,而变化最大的实际检测环境参数数据则意味着该项数据具备更大可能发生异常,并且该项数据更大可能地需要优先处理并且优先进行环境防治,因此,通过自所述实际曲线增长数据集中的第一位开始依次调取,则实现了区分轻重缓急的数据进行比对,同时分别生成当前实际增长异常权值,其中,一个所述实际曲线增长值分别对应一个当前实际增长异常权值,并根据所述当前实际增长异常权值生成当前环境监测异常结果,进而实现提高环境防治的监测效率、准确率及实时性。
在一个实施例中,如图2所示,一种基于物联网的环境防治监测提醒系统,所述系统包括:
物联监测模块,用于基于预设的环境物联网监测模块,实时获取预设特定时间段内当前环境监测区域内的各项实际检测环境参数数据,其中,所述当前环境监测区域内预先设有多个实时环境监测点,各所述实时环境监测点均设有一个所述环境物联网监测模块,所述预设特定时间段内为预先设置;
检测环境模块,用于根据各所述实际检测环境参数数据和各所述预设特定时间分别以预设时间节点为刻度生成实际环境参数变化趋势图形数据,其中,各项所述实际检测环境参数数据对应生成一个所述实际环境参数变化趋势图形数据;
实际环境模块,用于根据各所述实际环境参数变化趋势图形数据分别生成各项实际检测环境参数数据在预设特定时间段内的实际曲线增长值,并根据各所述实际曲线增长值的数值大小自大至小依次排练后生成实际曲线增长数据集,其中,数值大小最大的所述实际曲线增长值排列第一位,其余所述实际曲线增长值依次递减排列;
曲线增长模块,用于自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并将调取的实际曲线增长值分别导入至预设的环境参数监控异常模型中,并分别生成当前实际增长异常权值,其中,一个所述实际曲线增长值分别对应一个当前实际增长异常权值,并根据所述当前实际增长异常权值生成当前环境监测异常结果。
在一个实施例中,所述系统还包括:
曲线增长模块,用于自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并在获取第一位的所述实际曲线增长值时,生成第一次匹配比对指令;
匹配比对模块,用于根据所述第一次匹配比对指令对第一位的所述实际曲线增长值进行数据分析,并根据第一位的所述实际曲线增长值获取变化暴增节点数据,其中,所述变化暴增节点数据包括暴增时间节点和暴增比例值;
暴增比例模块,用于根据所述暴增时间节点和所述暴增比例值获取暴增时间节点的大环境情况变化数据,并根据所述大环境情况变化数据为在暴增时间节点时刻的各环境参数组合后的环境数据;
数据生成模块,用于根据所述大环境情况变化数据生成所述大环境情况变化数据对所述暴增比例值的真实影响占比值;
比值判断模块,用于根据所述真实影响占比值判断所述真实影响占比值是否小于等于预设的非标影响阈值;
监控异常模块,用于在判断所述真实影响占比值是小于等于预设的非标影响阈值时,将所述暴增比例值导入至预设的环境参数监控异常模型中,并判断所述暴增比例值是否处于所述环境参数监控异常模型中的可控暴增范围区间内;
暴增范围模块,用于若判断所述暴增比例值是处于所述环境参数监控异常模型中的可控暴增范围区间内,则生成正常增长结果指示;若判断所述暴增比例值不是处于所述环境参数监控异常模型中的可控暴增范围区间内,则生成非正常增长结果指示,其中,所述正常增长结果指示和所述非正常增长结果指示均属于当前实际增长异常权值;
增长结果模块,用于判断所述暴增比例值不是处于所述环境参数监控异常模型中的可控暴增范围区间内,并生成非正常增长结果指示后,则生成当前环境需防治指令;
防治指令模块,用于根据所述当前环境需防治指令获取所述所述暴增比例值的超出常值数据;
比例措施模块,用于将所述超出常值数据导入至预设的暴增比例措施提供模型中,并生成当前环境防治建议;
防治推广模块,用于根据所述当前环境防治建议生成环境防治推广指令,并获取在基于所述环境防治推广指令实施所述当前环境防治建议后的有效环境防治结果;
常值数据模块,用于根据所述超出常值数据、所述当前环境防治建议和所述有效环境防治结果生成有效防治组合数据,并将所述有效防治组合数据导入至所述暴增比例措施提供模型中,以使暴增比例措施提供模型作增量学习,并生成增量型措施提供模型。
在一个实施例中,所述系统还包括:
标准比例模块,用于将所述超出常值数据导入至预设的暴增比例措施提供模型后,将所述超出常值数据与所述暴增比例措施提供模型中预设的标准比例值作对比,并生成对比分析结果,其中,一个标准比例值还对应一个标准解决措施;
结果调取模块,用于根据所述对比分析结果调取与所述超出常值数据相匹配的标准比例值,并调取与标准比例值相匹配的标准解决措施;
措施生成模块,用于根据所述标准解决措施生成当前措施解决教程数据;
教程数据模块,用于根据生成的所述当前措施解决教程数据获取必要使用方法、必要环境监测硬件基础和必要监测协助主体;
必要环境模块,用于根据所述必要使用方法、必要环境监测硬件基础和必要监测协助主体生成所述当前环境防治建议;
数据校准模块,用于基于预设在各实时环境监测点的监测传感模块获取当前时刻的初始检测环境参数数据,并生成数据校准指令;
自动校准模块,用于根据所述数据校准指令将所述初始检测环境参数数据发送至预设的数据自动校准模型中,并生成自动校准权值;
人工校准模块,用于当所述自动校准权值大于等于预设的较大误差校准值时,则将所述初始检测环境参数数据发送至预设的人工数据校准处,并获取所述人工校准处生成的第一校准调整参数;
实际检测模块,用于根据所述第一校准调整参数对所述初始检测环境参数数据进行数据校准,并生成所述实际检测环境参数数据,并基于物联数据传输模块将所述实际检测环境参数数据上传至云端。
在一个实施例中,如图3所示,一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述基于物联网的环境防治监测提醒方法所述的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于物联网的环境防治监测提醒方法所述的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。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,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于物联网的环境防治监测提醒方法,其特征在于,所述方法包括:
基于预设的环境物联网监测模块,实时获取预设特定时间段内当前环境监测区域内的各项实际检测环境参数数据,其中,所述当前环境监测区域内预先设有多个实时环境监测点,各所述实时环境监测点均设有一个所述环境物联网监测模块,所述预设特定时间段内为预先设置;根据各所述实际检测环境参数数据和各所述预设特定时间分别以预设时间节点为刻度生成实际环境参数变化趋势图形数据,其中,各项所述实际检测环境参数数据对应生成一个所述实际环境参数变化趋势图形数据;根据各所述实际环境参数变化趋势图形数据分别生成各项实际检测环境参数数据在预设特定时间段内的实际曲线增长值,并根据各所述实际曲线增长值的数值大小自大至小依次排练后生成实际曲线增长数据集,其中,数值大小最大的所述实际曲线增长值排列第一位,其余所述实际曲线增长值依次递减排列;自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并将调取的实际曲线增长值分别导入至预设的环境参数监控异常模型中,并分别生成当前实际增长异常权值,其中,一个所述实际曲线增长值分别对应一个当前实际增长异常权值,并根据所述当前实际增长异常权值生成当前环境监测异常结果。
2.根据权利要求1所述的基于物联网的环境防治监测提醒方法,其特征在于,自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并将调取的实际曲线增长值分别导入至预设的环境参数监控异常模型中,并分别生成当前实际增长异常权值,其中,一个所述实际曲线增长值分别对应一个当前实际增长异常权值,并根据所述当前实际增长异常权值生成当前环境监测异常结果中,将所述实际曲线增长数据集中的第一位的实际曲线增长值导入至预设的环境参数监控异常模型并生成结果的步骤,的具体包括:
自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并在获取第一位的所述实际曲线增长值时,生成第一次匹配比对指令;根据所述第一次匹配比对指令对第一位的所述实际曲线增长值进行数据分析,并根据第一位的所述实际曲线增长值获取变化暴增节点数据,其中,所述变化暴增节点数据包括暴增时间节点和暴增比例值;根据所述暴增时间节点和所述暴增比例值获取暴增时间节点的大环境情况变化数据,并根据所述大环境情况变化数据为在暴增时间节点时刻的各环境参数组合后的环境数据;根据所述大环境情况变化数据生成所述大环境情况变化数据对所述暴增比例值的真实影响占比值;根据所述真实影响占比值判断所述真实影响占比值是否小于等于预设的非标影响阈值;在判断所述真实影响占比值是小于等于预设的非标影响阈值时,将所述暴增比例值导入至预设的环境参数监控异常模型中,并判断所述暴增比例值是否处于所述环境参数监控异常模型中的可控暴增范围区间内;若判断所述暴增比例值是处于所述环境参数监控异常模型中的可控暴增范围区间内,则生成正常增长结果指示;若判断所述暴增比例值不是处于所述环境参数监控异常模型中的可控暴增范围区间内,则生成非正常增长结果指示,其中,所述正常增长结果指示和所述非正常增长结果指示均属于当前实际增长异常权值。
3.根据权利要求1所述的基于物联网的环境防治监测提醒方法,其特征在于,若判断所述暴增比例值是处于所述环境参数监控异常模型中的可控暴增范围区间内,则生成正常增长结果指示;若判断所述暴增比例值不是处于所述环境参数监控异常模型中的可控暴增范围区间内,则生成非正常增长结果指示,其中,所述正常增长结果指示和所述非正常增长结果指示均属于当前实际增长异常权值之后还包括:
判断所述暴增比例值不是处于所述环境参数监控异常模型中的可控暴增范围区间内,并生成非正常增长结果指示后,则生成当前环境需防治指令;根据所述当前环境需防治指令获取所述所述暴增比例值的超出常值数据;将所述超出常值数据导入至预设的暴增比例措施提供模型中,并生成当前环境防治建议;根据所述当前环境防治建议生成环境防治推广指令,并获取在基于所述环境防治推广指令实施所述当前环境防治建议后的有效环境防治结果;根据所述超出常值数据、所述当前环境防治建议和所述有效环境防治结果生成有效防治组合数据,并将所述有效防治组合数据导入至所述暴增比例措施提供模型中,以使暴增比例措施提供模型作增量学习,并生成增量型措施提供模型。
4.根据权利要求3所述的基于物联网的环境防治监测提醒方法,其特征在于,将所述超出常值数据导入至预设的暴增比例措施提供模型中,并生成当前环境防治建议,具体包括:
将所述超出常值数据导入至预设的暴增比例措施提供模型后,将所述超出常值数据与所述暴增比例措施提供模型中预设的标准比例值作对比,并生成对比分析结果,其中,一个标准比例值还对应一个标准解决措施;根据所述对比分析结果调取与所述超出常值数据相匹配的标准比例值,并调取与标准比例值相匹配的标准解决措施;根据所述标准解决措施生成当前措施解决教程数据;根据生成的所述当前措施解决教程数据获取必要使用方法、必要环境监测硬件基础和必要监测协助主体;根据所述必要使用方法、必要环境监测硬件基础和必要监测协助主体生成所述当前环境防治建议。
5.根据权利要求1所述的基于物联网的环境防治监测提醒方法,其特征在于,所述环境物联网监测模块包括监测传感模块和物联数据传输模块;基于预设的环境物联网监测模块,实时获取预设特定时间段内当前环境监测区域内的各项实际检测环境参数数据,其中,所述当前环境监测区域内预先设有多个实时环境监测点,各所述实时环境监测点均设有一个所述环境物联网监测模块,所述预设特定时间段内为预先设置,具体包括:
基于预设在各实时环境监测点的监测传感模块获取当前时刻的初始检测环境参数数据,并生成数据校准指令;根据所述数据校准指令将所述初始检测环境参数数据发送至预设的数据自动校准模型中,并生成自动校准权值;当所述自动校准权值大于等于预设的较大误差校准值时,则将所述初始检测环境参数数据发送至预设的人工数据校准处,并获取所述人工校准处生成的第一校准调整参数;根据所述第一校准调整参数对所述初始检测环境参数数据进行数据校准,并生成所述实际检测环境参数数据,并基于物联数据传输模块将所述实际检测环境参数数据上传至云端。
6.一种基于物联网的环境防治监测提醒系统,其特征在于,所述系统包括:
物联监测模块,用于基于预设的环境物联网监测模块,实时获取预设特定时间段内当前环境监测区域内的各项实际检测环境参数数据,其中,所述当前环境监测区域内预先设有多个实时环境监测点,各所述实时环境监测点均设有一个所述环境物联网监测模块,所述预设特定时间段内为预先设置;
检测环境模块,用于根据各所述实际检测环境参数数据和各所述预设特定时间分别以预设时间节点为刻度生成实际环境参数变化趋势图形数据,其中,各项所述实际检测环境参数数据对应生成一个所述实际环境参数变化趋势图形数据;
实际环境模块,用于根据各所述实际环境参数变化趋势图形数据分别生成各项实际检测环境参数数据在预设特定时间段内的实际曲线增长值,并根据各所述实际曲线增长值的数值大小自大至小依次排练后生成实际曲线增长数据集,其中,数值大小最大的所述实际曲线增长值排列第一位,其余所述实际曲线增长值依次递减排列;
曲线增长模块,用于自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并将调取的实际曲线增长值分别导入至预设的环境参数监控异常模型中,并分别生成当前实际增长异常权值,其中,一个所述实际曲线增长值分别对应一个当前实际增长异常权值,并根据所述当前实际增长异常权值生成当前环境监测异常结果。
7.根据权利要求6所述的基于物联网的环境防治监测提醒系统,其特征在于,所述系统还包括:
曲线增长模块,用于自所述实际曲线增长数据集中的第一位开始依次调取各所述实际曲线增长值,并在获取第一位的所述实际曲线增长值时,生成第一次匹配比对指令;
匹配比对模块,用于根据所述第一次匹配比对指令对第一位的所述实际曲线增长值进行数据分析,并根据第一位的所述实际曲线增长值获取变化暴增节点数据,其中,所述变化暴增节点数据包括暴增时间节点和暴增比例值;
暴增比例模块,用于根据所述暴增时间节点和所述暴增比例值获取暴增时间节点的大环境情况变化数据,并根据所述大环境情况变化数据为在暴增时间节点时刻的各环境参数组合后的环境数据;
数据生成模块,用于根据所述大环境情况变化数据生成所述大环境情况变化数据对所述暴增比例值的真实影响占比值;
比值判断模块,用于根据所述真实影响占比值判断所述真实影响占比值是否小于等于预设的非标影响阈值;
监控异常模块,用于在判断所述真实影响占比值是小于等于预设的非标影响阈值时,将所述暴增比例值导入至预设的环境参数监控异常模型中,并判断所述暴增比例值是否处于所述环境参数监控异常模型中的可控暴增范围区间内;
暴增范围模块,用于若判断所述暴增比例值是处于所述环境参数监控异常模型中的可控暴增范围区间内,则生成正常增长结果指示;若判断所述暴增比例值不是处于所述环境参数监控异常模型中的可控暴增范围区间内,则生成非正常增长结果指示,其中,所述正常增长结果指示和所述非正常增长结果指示均属于当前实际增长异常权值;
增长结果模块,用于判断所述暴增比例值不是处于所述环境参数监控异常模型中的可控暴增范围区间内,并生成非正常增长结果指示后,则生成当前环境需防治指令;
防治指令模块,用于根据所述当前环境需防治指令获取所述所述暴增比例值的超出常值数据;
比例措施模块,用于将所述超出常值数据导入至预设的暴增比例措施提供模型中,并生成当前环境防治建议;
防治推广模块,用于根据所述当前环境防治建议生成环境防治推广指令,并获取在基于所述环境防治推广指令实施所述当前环境防治建议后的有效环境防治结果;
常值数据模块,用于根据所述超出常值数据、所述当前环境防治建议和所述有效环境防治结果生成有效防治组合数据,并将所述有效防治组合数据导入至所述暴增比例措施提供模型中,以使暴增比例措施提供模型作增量学习,并生成增量型措施提供模型。
8.根据权利要求6所述的基于物联网的环境防治监测提醒系统,其特征在于,所述系统还包括:
标准比例模块,用于将所述超出常值数据导入至预设的暴增比例措施提供模型后,将所述超出常值数据与所述暴增比例措施提供模型中预设的标准比例值作对比,并生成对比分析结果,其中,一个标准比例值还对应一个标准解决措施;
结果调取模块,用于根据所述对比分析结果调取与所述超出常值数据相匹配的标准比例值,并调取与标准比例值相匹配的标准解决措施;
措施生成模块,用于根据所述标准解决措施生成当前措施解决教程数据;
教程数据模块,用于根据生成的所述当前措施解决教程数据获取必要使用方法、必要环境监测硬件基础和必要监测协助主体;
必要环境模块,用于根据所述必要使用方法、必要环境监测硬件基础和必要监测协助主体生成所述当前环境防治建议;
数据校准模块,用于基于预设在各实时环境监测点的监测传感模块获取当前时刻的初始检测环境参数数据,并生成数据校准指令;
自动校准模块,用于根据所述数据校准指令将所述初始检测环境参数数据发送至预设的数据自动校准模型中,并生成自动校准权值;
人工校准模块,用于当所述自动校准权值大于等于预设的较大误差校准值时,则将所述初始检测环境参数数据发送至预设的人工数据校准处,并获取所述人工校准处生成的第一校准调整参数;
实际检测模块,用于根据所述第一校准调整参数对所述初始检测环境参数数据进行数据校准,并生成所述实际检测环境参数数据,并基于物联数据传输模块将所述实际检测环境参数数据上传至云端。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
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,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111020008.0A CN113959477A (zh) | 2021-09-01 | 2021-09-01 | 基于物联网的环境防治监测提醒方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111020008.0A CN113959477A (zh) | 2021-09-01 | 2021-09-01 | 基于物联网的环境防治监测提醒方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113959477A true CN113959477A (zh) | 2022-01-21 |
Family
ID=79460724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111020008.0A Pending CN113959477A (zh) | 2021-09-01 | 2021-09-01 | 基于物联网的环境防治监测提醒方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113959477A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116046050A (zh) * | 2023-02-28 | 2023-05-02 | 临沂市检验检测中心 | 一种环境监测方法 |
CN116975769A (zh) * | 2023-09-22 | 2023-10-31 | 南京国睿信维软件有限公司 | 用于状态监测实时预警的自适应多维度异常值检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018098721A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳益强信息科技有限公司 | 一种环境数据监控方法和系统 |
CN108471602A (zh) * | 2018-03-06 | 2018-08-31 | 深圳市创艺工业技术有限公司 | 一种实时土壤环境质量评价系统 |
US20180284743A1 (en) * | 2016-05-09 | 2018-10-04 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for industrial internet of things data collection for vibration sensitive equipment |
US20190174207A1 (en) * | 2016-05-09 | 2019-06-06 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for the industrial internet of things |
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 |
CN113313472A (zh) * | 2021-06-15 | 2021-08-27 | 海南君麟环境科技有限公司 | 基于大数据的智能化环境防治平台建立方法及系统 |
CN113327071A (zh) * | 2021-08-04 | 2021-08-31 | 深圳市深水水务咨询有限公司 | 基于5g的环境管理方法、装置、计算机设备及存储介质 |
-
2021
- 2021-09-01 CN CN202111020008.0A patent/CN113959477A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180284743A1 (en) * | 2016-05-09 | 2018-10-04 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for industrial internet of things data collection for vibration sensitive equipment |
US20190174207A1 (en) * | 2016-05-09 | 2019-06-06 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for the industrial internet of things |
WO2018098721A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳益强信息科技有限公司 | 一种环境数据监控方法和系统 |
CN108471602A (zh) * | 2018-03-06 | 2018-08-31 | 深圳市创艺工业技术有限公司 | 一种实时土壤环境质量评价系统 |
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 |
CN113313472A (zh) * | 2021-06-15 | 2021-08-27 | 海南君麟环境科技有限公司 | 基于大数据的智能化环境防治平台建立方法及系统 |
CN113327071A (zh) * | 2021-08-04 | 2021-08-31 | 深圳市深水水务咨询有限公司 | 基于5g的环境管理方法、装置、计算机设备及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116046050A (zh) * | 2023-02-28 | 2023-05-02 | 临沂市检验检测中心 | 一种环境监测方法 |
CN116046050B (zh) * | 2023-02-28 | 2023-10-17 | 临沂市检验检测中心 | 一种环境监测方法 |
CN116975769A (zh) * | 2023-09-22 | 2023-10-31 | 南京国睿信维软件有限公司 | 用于状态监测实时预警的自适应多维度异常值检测方法 |
CN116975769B (zh) * | 2023-09-22 | 2023-12-22 | 南京国睿信维软件有限公司 | 用于状态监测实时预警的自适应多维度异常值检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113959477A (zh) | 基于物联网的环境防治监测提醒方法及系统 | |
CN112150311B (zh) | 能耗异常状态检测方法、装置、计算机设备和存储介质 | |
CN112800116B (zh) | 一种业务数据的异常检测方法及装置 | |
CN112188531A (zh) | 异常检测方法、装置、电子设备及计算机存储介质 | |
CN110942228A (zh) | 能耗控制方法、装置、计算机设备与存储介质 | |
CN110456026B (zh) | 一种土壤墒情监测方法及装置 | |
CN111080982A (zh) | 一种基于多传感器的大坝安全智能监测与预警系统及方法 | |
US20230065717A1 (en) | Support system and support method | |
CN112884199A (zh) | 水电站设备故障预测方法、装置、计算机设备和存储介质 | |
CN112988538B (zh) | 人工智能开发平台监控告警数据预测方法、装置及介质 | |
CN112465119A (zh) | 一种基于深度学习的消防险情预警方法及装置 | |
CN110991222A (zh) | 一种物体状态监测、母猪发情监测方法、装置及系统 | |
CN112364163A (zh) | 日志的缓存方法、装置以及计算机设备 | |
CN111178714A (zh) | 亲密度确定方法、装置、计算机设备和存储介质 | |
CN112380073B (zh) | 一种故障位置的检测方法、装置及可读存储介质 | |
CN117366661A (zh) | 一种供暖系统故障数据分析方法、系统、设备和存储介质 | |
CN116931486A (zh) | 一种基于HarmonyOS的智慧图书馆环境数据分析装置、方法 | |
CN117236559A (zh) | 一种基于物联网的智能充电桩数据分析方法和装置 | |
CN111340975A (zh) | 异常数据特征提取方法、装置、设备及存储介质 | |
CN110955286B (zh) | 一种禽蛋监测方法及装置 | |
CN114358395A (zh) | 考勤预测方法及装置 | |
CN114192583A (zh) | 一种基于Scada平台的带钢轧制过程质量监控方法和系统 | |
CN113505039A (zh) | 一种通信故障分析方法、设备及系统 | |
CN112365149A (zh) | 绩效评估的方法、装置、设备及存储介质 | |
US20230126849A1 (en) | Learning method for the detection of anomalies from multivariate data sets and associated anomaly detection method |
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 |