CN115018022A - 网格化环境监测数据的质量控制方法、装置、设备及介质 - Google Patents

网格化环境监测数据的质量控制方法、装置、设备及介质 Download PDF

Info

Publication number
CN115018022A
CN115018022A CN202210953301.0A CN202210953301A CN115018022A CN 115018022 A CN115018022 A CN 115018022A CN 202210953301 A CN202210953301 A CN 202210953301A CN 115018022 A CN115018022 A CN 115018022A
Authority
CN
China
Prior art keywords
quality control
data
monitoring
control point
gridding
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
Application number
CN202210953301.0A
Other languages
English (en)
Other versions
CN115018022B (zh
Inventor
刘保献
安欣欣
姜南
王莉华
景宽
王欣
金萌
张章
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Ecological Environment Monitoring Center
Original Assignee
Beijing Ecological Environment Monitoring Center
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Ecological Environment Monitoring Center filed Critical Beijing Ecological Environment Monitoring Center
Priority to CN202210953301.0A priority Critical patent/CN115018022B/zh
Publication of CN115018022A publication Critical patent/CN115018022A/zh
Application granted granted Critical
Publication of CN115018022B publication Critical patent/CN115018022B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • 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
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明实施例提供了一种网格化环境监测数据的质量控制方法、装置、设备及介质，涉及环境监测技术领域。其中，该方法包括：在每一时刻，根据网格化监测设备的监测数据和网格化监测设备所在非质控点位的气象数据，确定非质控点位的环境场景的类型；在每一时刻，根据每个标准站的监测数据和每个标准站所在的质控点位的气象数据，确定每个质控点位的环境场景的类型；在相同时刻，确定出与网格化监测设备所在非质控点位的环境场景的类型相同的质控点位，并采用确定出的质控点位对应的质控模型，对网格化监测设备的监测数据进行质控模型传递过程。该方案实现了采用与网格化监测设备所处环境场景相同的质控模型进行数据质控，提高了质控后数据的准确性。

Description

网格化环境监测数据的质量控制方法、装置、设备及介质
技术领域
本发明涉及环境监测技术领域，特别涉及一种网格化环境监测数据的质量控制方法、装置、设备及介质。
背景技术
大气污染物监测中，常见的检测方法有大型自动化标准站或小微型网格化监测设备监测，前者监测数据准确，但标准站成本极高，无法大面积布设，后者设备成本低，但受限于设备成本与监测原理，其监测数据相对不准确，且常与标准站的监测数据有一定的结构性数据偏差。
其中，网格化监测设备与标准设备/站，在不同湿度、污染物浓度等环境条件下的关系是较为复杂且非线性的。两者之间的关系受局地特征、污染物浓度、环境温湿度等各类条件影响，因此需要通过建模进行数据质控，来处理网格化监测设备的监测数据。
如图1所示，网格化监测设备的监测数据质控一般按如下流程进行：
首先，将传感器设备与标准站点设备置于同位置，此传感器设备将称为质控设备。以标准设备监测的颗粒物测量数据、此点位温度、湿度数据为输入特征，以质控设备监测的颗粒物测量数据为输出，训练模型，此模型后续将称为质控模型。训练质控模型的目的是，通过研究质控设备的监测数据与标准站的监测数据的关系，消除两者间由于测量原理等原因导致的数据偏差。
然后，对所有非质控设备的网格化监测设备，基于温度、湿度、污染物浓度以及这些非质控设备与质控设备间距离因素，建立一套规则对多个质控模型赋予不同权重，并应用多个质控模型于目标非质控设备的测量数据上，将网格化监测设备的测量值转化为质控后数据，本环节后续将被称为质控模型传递，此环节的主要目的是使高密度网络中所有点位设备监测数据（如果有标准站布设于同点位）等效于标准站的监测数据。
目前，现有质控模型传递方法存在的缺陷为：某点位所在区域局地降水，其周边标准站点位未降水，按现有质控模型传递逻辑，运用未降水标准站的质控模型对网格化监测设备的监测数据进行质控，由于网格化监测设备与标准站受监测原理、成本不同，在显著不同的环境条件下，质控后数据显然会偏离当地实际污染物浓度；其它诸如沙尘、扬尘污染、烟花爆竹燃放等场景同理。因此，现有质控模型传递方法存在质控后数据不准确的问题。
发明内容
有鉴于此，本发明实施例提供了一种网格化环境监测数据的质量控制方法，以解决现有技术中质控后数据不准确的技术问题。该方法包括：
针对监测区域中非质控点位的网格化监测设备，在每一时刻，根据所述网格化监测设备的监测数据和所述网格化监测设备所在非质控点位的气象数据，确定所述网格化监测设备所在非质控点位的环境场景的类型；
针对所述监测区域中每个标准站，在每一时刻，根据每个所述标准站的监测数据和每个所述标准站所在的质控点位的气象数据，确定每个所述质控点位的环境场景的类型；
在相同时刻，确定出与所述网格化监测设备所在非质控点位的环境场景的类型相同的所述质控点位，并采用确定出的所述质控点位对应的质控模型，对所述网格化监测设备的监测数据进行质控模型传递过程。
本发明实施例还提供了一种网格化环境监测数据的质量控制装置，以解决现有技术中质控后数据不准确的技术问题。该装置包括：
第一环境场景确定模块，用于针对监测区域中非质控点位的网格化监测设备，在每一时刻，根据所述网格化监测设备的监测数据和所述网格化监测设备所在非质控点位的气象数据，确定所述网格化监测设备所在非质控点位的环境场景的类型；
第二环境场景确定模块，用于针对所述监测区域中每个标准站，在每一时刻，根据每个所述标准站的监测数据和每个所述标准站所在的质控点位的气象数据，确定每个所述质控点位的环境场景的类型；
数据质控模块，用于在相同时刻，确定出与所述网格化监测设备所在非质控点位的环境场景的类型相同的所述质控点位，并采用确定出的所述质控点位对应的质控模型，对所述网格化监测设备的监测数据进行质控模型传递过程。
本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意的网格化环境监测数据的质量控制方法，以解决现有技术中质控后数据不准确的技术问题。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述任意的网格化环境监测数据的质量控制方法的计算机程序，以解决现有技术中质控后数据不准确的技术问题。
与现有技术相比，本说明书实施例采用的上述至少一个技术方案能够达到的有益效果至少包括：通过确定网格化监测设备所在非质控点位的环境场景的类型，并确定监测区域中每个质控点位的环境场景的类型，实现了环境场景的划分，进而在相同时刻，确定出与网格化监测设备所在非质控点位的环境场景的类型相同的质控点位，并采用确定出的质控点位对应的质控模型，对网格化监测设备的监测数据进行质控模型传递过程，实现了采用与网格化监测设备所处环境场景类型相同的质控模型进行数据质量控制，即分环境场景的质控模型传递过程，使得网格化监测设备的监测数据的质量控制过程与实际环境情况更符合，进而有利于确保网格化监测设备的监测数据在各类不同环境情况下质控后均能维持较好的数据质量（与同点位标准站/标准设备相比较），提高了质控后数据的准确性，提升了不同环境场景下的数据质控效果。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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它的附图。
图1是现有技术中的一种数据质量控制模型训练与传递的基本逻辑示意图；
图2是本发明实施例提供的一种网格化环境监测数据的质量控制方法的流程图；
图3是本发明实施例提供的一种计算机设备的结构框图；
图4是本发明实施例提供的一种网格化环境监测数据的质量控制装置的结构框图。
具体实施方式
下面结合附图对本申请实施例进行详细描述。
以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。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。
在本发明实施例中，提供了一种网格化环境监测数据的质量控制方法，如图2所示，该方法包括：
步骤S201：针对监测区域中非质控点位的网格化监测设备，在每一时刻，根据所述网格化监测设备的监测数据和所述网格化监测设备所在非质控点位的气象数据，确定所述网格化监测设备所在非质控点位的环境场景的类型；
步骤S202：针对所述监测区域中每个标准站，在每一时刻，根据每个所述标准站的监测数据和每个所述标准站所在的质控点位的气象数据，确定每个所述质控点位的环境场景的类型；
步骤S203：在相同时刻，确定出与所述网格化监测设备所在非质控点位的环境场景的类型相同的所述质控点位，并采用确定出的所述质控点位对应的质控模型，对所述网格化监测设备的监测数据进行质控模型传递过程。
由图2所示的流程可知，在本发明实施例中，通过确定网格化监测设备所在非质控点位的环境场景的类型，并确定监测区域中每个质控点位的环境场景的类型，实现了环境场景的划分，进而在相同时刻，确定出与网格化监测设备所在非质控点位的环境场景的类型相同的质控点位，并采用确定出的质控点位对应的质控模型，对网格化监测设备的监测数据进行质控模型传递过程，实现了采用与网格化监测设备所处环境场景类型相同的质控模型进行数据质量控制，即分环境场景的质控模型传递过程，使得网格化监测设备的监测数据的质量控制过程与实际环境情况更符合，进而有利于确保网格化监测设备的监测数据在各类不同环境情况下质控后均能维持较好的数据质量（与同点位标准站/标准设备相比较），提高了质控后数据的准确性，提升了不同环境场景下的数据质控效果。
具体实施时，上述每一时刻可以是非质控点位的网格化监测设备的监测数据需要质控的间隔时刻，间隔时刻可以是半小时、1小时、12小时、24小时等等，例如，非质控点位的网格化监测设备的监测数据每隔一小时质控一次，即将非质控点位的网格化监测设备每一小时的监测数据进行一次质控模型传递。
具体实施时，上述确定网格化监测设备所在非质控点位的环境场景的类型和确定每个质控点位的环境场景的类型的过程可以是实时确定，此时网格化监测设备的监测数据可以实时进行质控模型传递过程；也可以是非实时的，即基于采集后存储的网格化监测设备的监测数据和位点的气象数据集确定网格化监测设备所在非质控点位的环境场景的类型，同理，确定每个质控点位的环境场景的类型，此时网格化监测设备的监测数据非实时的进行质控模型传递过程。
具体实施时，为了实现准确、快速地确定环境场景的类型，在本实施例中，提出了通过以下方法根据网格化监测设备的监测数据和网格化监测设备所在非质控点位的气象数据，确定网格化监测设备所在非质控点位的环境场景的类型，例如，将网格化监测设备的监测数据和网格化监测设备所在非质控点位的气象数据，输入场景算法，场景算法输出环境场景的类型，其中，场景算法包括环境场景分别与监测数据和气象数据的对应关系。
具体实施时，确定每个质控点位的环境场景的类型的过程，与确定网格化监测设备所在非质控点位的环境场景的类型的过程类似，即将每个标准站的监测数据和每个标准站所在的质控点位的气象数据，输入场景算法，进而场景算法输出质控点位的环境场景的类型。
具体实施时，上述场景算法以监测数据和气象数据为输入，以环境场景的类型为输出，上述场景算法具体可以是函数形式，也可以是软件形式，例如，监测数据以X为例，气象数据以h为湿度、t为温度为例，Y为环境场景的类型为例，则上述场景算法可以表示为：
Figure 584759DEST_PATH_IMAGE001
。
具体实施时，上述场景算法输出的环境场景的类型可以是文字形式，也可以是代号形式，即不同的代号代表不同的环境场景的类型，例如，代号可以是数字、字符等等。上述环境场景的类别包括但不限于：1.轻微/无污染且低湿度场景、2.轻微/无污染且高湿度场景、3.重污染且低湿度场景、4.重污染且高湿度场景。
具体实施时，为了进一步准确地确定环境场景的类型，在本实施例中，提出了通过以下方法确定不同类别的环境场景分别与气象数据的数值和监测数据的数值之间的对应关系，例如，针对监测区域，获取预设历史时间段内的气象数据，获取预设历史时间段内标准站和网格化监测设备的监测数据，气象数据和监测数据组成数据集；
将数据集划分为不同类别的环境场景；
根据不同类别的环境场景对应的气象数据和监测数据，确定出不同类别的环境场景分别与气象数据的数值和所述监测数据的数值之间的对应关系。
具体实施时，根据不同类别的环境场景对应的气象数据和监测数据，可以归纳、确定出不同类别的环境场景分别与气象数据的数值和监测数据的数值之间的对应关系，即归纳、确定出不同类别环境场景的划分规则，例如，某个类别的环境场景对应的气象数据的数值是多少，对应的监测数据的数值是多少，该对应关系可以是简单的阈值规则，也可以是复杂的非线性算法。具体的，基于该对应关系即可生成上述场景算法。
具体实施时，上述预设历史时间段的时长可以根据具体情况确定，最好可以覆盖不同的、更多的环境情况，例如，预设历史时间段不小于1年，因为1年的数据能够涵盖监测区域内不同季节的各类环境场景，以提高数据的完整性、全面性，进而提高上述对应关系的准确性。
具体实施时，还可以结合点位当地的实际环境情况，调整不同类别的环境场景分别与气象数据的数值和监测数据的数值之间的对应关系。
具体实施时，为了进一步提高上述数据集中环境场景类别划分的准确性，在本实施例中，提出了在将数据集划分为不同类别的环境场景之前，对数据集中的数据进行预处理，例如，针对数据集中的每个数据项，根据每个数据项在预设历史时间段内的数值范围，确定出每个数据项对应的不同的分位值；
在数据集中针对预设时长内的数据（该数据包括监测数据和气象数据），将预设时长内各个数据项的数值以及各个数据项的数值与不同的分位值的大小关系，组成一条示例数据。
具体实施时，上述数据项可以是监测数据中的每种污染物的监测数据，例如，数据项包括但不限于pm2.5浓度等；可以是气象数据中的每种气象参数，例如，数据项包括但不限于温度、相对湿度等。上述每个数据项对应的不同的分位值可以根据具体需求确定，可以包括但不限定中位值、10分位值、90分位值等等，例如，某个数据项在预设历史时间段内的数值范围为0到100，则中位值为50，10分位值为10、90分位值为90。一条示例数据如下表1所示。
表1
Figure 133552DEST_PATH_IMAGE002
具体实施时，上述预设时长的大小可以根据数据预处理的精度需求来确定，例如，预设时长可以是30分钟、1 小时、2小时、12小时等等。
具体实施时，对数据集进行数据预处理后，可以采用自聚类方法处理数据集，将数据集划分为不同类别的环境场景。
具体实施时，确定出上述场景算法之后，即可基于场景算法进行环境场景的划分，进而可以使用与非质控点位处于相同环境场景类型下的质控点位的质控模型，对非质控点位的网格化监测设备的监测数据进行云质控。例如，通过以下步骤确定出与非质控点位处于相同环境场景类型下的质控点位的质控模型：
首先，在每一时刻，对目标非质控点位的网格化监测设备i，基于上述场景算法
Figure 752752DEST_PATH_IMAGE003
确认目标非质控点位所属的环境场景类型Yi；
然后，在相同时刻，对每个标准站所在的质控点位，基于上述场景算法确认其所属的环境场景类型Yqc，选择所有Yqc=Yi的质控点位，选择出的质控点位的标准站与质控设备所训练的质控模型，即用于目标非质控点位的网格化监测设备i进行质控的质控模型。
具体实施时，每个标准站与质控设备的质控模型可以采用现有技术中的质控模型，本申请不做具体限定。
具体实施时，在采用确定出的质控点位对应的质控模型，对网格化监测设备的监测数据进行质控模型传递过程中，为了进一步提高质控的效果，在本实施例中，提出了同类环境场景下按距离反向加权的质控模型传递方式，例如，在确定出的质控点位为多个时，分别计算每个质控点位对应的质控设备到网格化监测设备的距离；
按距离的倒数计算每个质控点位的加权值，各个质控点位的加权值相加的和为1；
采用确定出的各个质控点位的质控模型以及各个质控点位的加权值，对网格化监测设备的监测数据进行质控模型传递过程。
具体实施时，采用确定出的各个质控点位的质控模型以及各个质控点位的加权值，对网格化监测设备的监测数据进行质控模型传递过程可以通过以下公式表示：
Figure 754206DEST_PATH_IMAGE004
其中，y为质控后的数据，n为质控模型的总数，dn为质控模型对应质控设备与非质控设备的距离，
Figure 625210DEST_PATH_IMAGE005
为单个质控模型，x为非质控设备的测量值，h为湿度，t为温度。
具体实施时，上述dn限制最小不小于1km，即如果某个非质控点位与某个标准站距离小于1km，在计算中认为该两点之间距离为1km。
具体实施时，上述网格化监测设备的监测数据和上述标准站的监测数据均包括颗粒污染物的测量值，颗粒污染物可以包括但不限于PM2.5颗粒，非质控点位的气象数据和质控点位的气象数据均可以包括但不限于温度和湿度。
具体实施时，以网格化监测设备质控后数据与同点位标准站数据为对象进行比较，来验证上述网格化环境监测数据的质量控制方法的数据质控效果。本申请基于一种盲点测试方法进行质控效果验证。将一个标准站点位上的质控设备视为一般网格化监测设备，在质控模型训练环节，训练所有其他标准站与质控设备对应的质控模型，在质控模型传递环节，按传递规则将其他质控模型传递给该设备，并获得该设备的质控数据，最后，比对该设备的质控数据与同点位标准站的监测数据，计算二者的相对偏差，评估质控效果。如下表2所示，为本申请的上述网格化环境监测数据的质量控制方法应用于2020年全年全北京高密度监测网络的盲点测试结果，其中，基准传递算法为全部质控模型应用于目标设备求均值，可见本申请的上述网格化环境监测数据的质量控制方法在各类环境场景下的表现均为最优。
表2
Figure 28510DEST_PATH_IMAGE006
在本实施例中，提供了一种计算机设备，如图3所示，包括存储器301、处理器302及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意的网格化环境监测数据的质量控制方法。
具体的，该计算机设备可以是计算机终端、服务器或者类似的运算装置。
在本实施例中，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述任意的网格化环境监测数据的质量控制方法的计算机程序。
具体的，计算机可读存储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。计算机可读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，计算机可读存储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。
基于同一发明构思，本发明实施例中还提供了一种网格化环境监测数据的质量控制装置，如下面的实施例所述。由于网格化环境监测数据的质量控制装置解决问题的原理与网格化环境监测数据的质量控制方法相似，因此网格化环境监测数据的质量控制装置的实施可以参见网格化环境监测数据的质量控制方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图4是本发明实施例的网格化环境监测数据的质量控制装置的一种结构框图，如图4所示，该装置包括：
第一环境场景确定模块401，用于针对监测区域中非质控点位的网格化监测设备，在每一时刻，根据所述网格化监测设备的监测数据和所述网格化监测设备所在非质控点位的气象数据，确定所述网格化监测设备所在非质控点位的环境场景的类型；
第二环境场景确定模块402，用于针对所述监测区域中每个标准站，在每一时刻，根据每个所述标准站的监测数据和每个所述标准站所在的质控点位的气象数据，确定每个所述质控点位的环境场景的类型；
数据质控模块403，用于在相同时刻，确定出与所述网格化监测设备所在非质控点位的环境场景的类型相同的所述质控点位，并采用确定出的所述质控点位对应的质控模型，对所述网格化监测设备的监测数据进行质控模型传递过程。
在一个实施例中，第一环境场景确定模块，具体用于将所述网格化监测设备的监测数据和所述网格化监测设备所在非质控点位的气象数据，输入场景算法，所述场景算法输出环境场景的类型，其中，所述场景算法包括所述环境场景分别与监测数据和气象数据的对应关系。
在一个实施例中，上述装置还包括：
数据获取模块，用于针对所述监测区域，获取预设历史时间段内的气象数据，获取所述预设历史时间段内所述标准站和所述网格化监测设备的监测数据，所述气象数据和所述监测数据组成数据集；
场景划分模块，用于将所述数据集划分为不同类别的环境场景；
对应关系确定模块，用于根据不同类别的环境场景对应的所述气象数据和所述监测数据，确定出不同类别的环境场景分别与所述气象数据的数值和所述监测数据的数值之间的对应关系。
在一个实施例中，场景划分模块，具体用于采用自聚类方法处理所述数据集，将所述数据集划分为不同类别的环境场景。
在一个实施例中，上述装置还包括：
分位值确定模块，用于在将所述数据集划分为不同类别的环境场景之前，针对所述数据集中的每个数据项，根据每个数据项在所述预设历史时间段内的数值范围，确定出每个数据项对应的不同的分位值；
数据预处理模块，用于在所述数据集中，将预设时长内各个数据项的数值以及各个数据项的数值与不同的分位值的大小关系，组成一条示例数据。
在一个实施例中，数据质控模块，包括：
距离计算单元，用于在确定出的所述质控点位为多个时，分别计算每个所述质控点位对应的质控设备到所述网格化监测设备的距离；
加权计算单元，用于按距离的倒数计算每个所述质控点位的加权值；
数据质控单元，用于采用确定出的各个所述质控点位的质控模型以及各个所述质控点位的加权值，对所述网格化监测设备的监测数据进行质控模型传递过程。
本发明实施例实现了如下技术效果：通过确定网格化监测设备所在非质控点位的环境场景的类型，并确定监测区域中每个质控点位的环境场景的类型，实现了环境场景的划分，进而在相同时刻，确定出与网格化监测设备所在非质控点位的环境场景的类型相同的质控点位，并采用确定出的质控点位对应的质控模型，对网格化监测设备的监测数据进行质控模型传递过程，实现了采用与网格化监测设备所处环境场景类型相同的质控模型进行数据质量控制，即分环境场景的质控模型传递过程，使得网格化监测设备的监测数据的质量控制过程与实际环境情况更符合，进而有利于确保网格化监测设备的监测数据在各类不同环境情况下质控后均能维持较好的数据质量（与同点位标准站/标准设备相比较），提高了质控后数据的准确性，提升了不同环境场景下的数据质控效果。
显然，本领域的技术人员应该明白，上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种网格化环境监测数据的质量控制方法，其特征在于，包括：
针对监测区域中非质控点位的网格化监测设备，在每一时刻，根据所述网格化监测设备的监测数据和所述网格化监测设备所在非质控点位的气象数据，确定所述网格化监测设备所在非质控点位的环境场景的类型；
针对所述监测区域中每个标准站，在每一时刻，根据每个所述标准站的监测数据和每个所述标准站所在的质控点位的气象数据，确定每个所述质控点位的环境场景的类型；
在相同时刻，确定出与所述网格化监测设备所在非质控点位的环境场景的类型相同的所述质控点位，并采用确定出的所述质控点位对应的质控模型，对所述网格化监测设备的监测数据进行质控模型传递过程。
2.如权利要求1所述的网格化环境监测数据的质量控制方法，其特征在于，根据所述网格化监测设备的监测数据和所述网格化监测设备所在非质控点位的气象数据，确定所述网格化监测设备所在非质控点位的环境场景的类型，包括：
将所述网格化监测设备的监测数据和所述网格化监测设备所在非质控点位的气象数据，输入场景算法，所述场景算法输出环境场景的类型，其中，所述场景算法包括所述环境场景分别与监测数据和气象数据的对应关系。
3.如权利要求2所述的网格化环境监测数据的质量控制方法，其特征在于，还包括：
针对所述监测区域，获取预设历史时间段内的气象数据，获取所述预设历史时间段内所述标准站和所述网格化监测设备的监测数据，所述气象数据和所述监测数据组成数据集；
将所述数据集划分为不同类别的环境场景；
根据不同类别的环境场景对应的所述气象数据和所述监测数据，确定出不同类别的环境场景分别与所述气象数据的数值和所述监测数据的数值之间的对应关系。
4.如权利要求3所述的网格化环境监测数据的质量控制方法，其特征在于，将所述数据集划分为不同类别的环境场景，包括：
采用自聚类方法处理所述数据集，将所述数据集划分为不同类别的环境场景。
5.如权利要求3所述的网格化环境监测数据的质量控制方法，其特征在于，还包括：
在将所述数据集划分为不同类别的环境场景之前，针对所述数据集中的每个数据项，根据每个数据项在所述预设历史时间段内的数值范围，确定出每个数据项对应的不同的分位值；
在所述数据集中，将预设时长内各个数据项的数值以及各个数据项的数值与不同的分位值的大小关系，组成一条示例数据。
6.如权利要求1至5中任一项所述的网格化环境监测数据的质量控制方法，其特征在于，采用确定出的所述质控点位对应的质控模型，对所述网格化监测设备的监测数据进行质控模型传递过程，包括：
在确定出的所述质控点位为多个时，分别计算每个所述质控点位对应的质控设备到所述网格化监测设备的距离；
按距离的倒数计算每个所述质控点位的加权值；
采用确定出的各个所述质控点位的质控模型以及各个所述质控点位的加权值，对所述网格化监测设备的监测数据进行质控模型传递过程。
7.如权利要求1至5中任一项所述的网格化环境监测数据的质量控制方法，其特征在于，所述网格化监测设备的监测数据和所述标准站的监测数据均包括颗粒污染物的测量值，所述颗粒污染物包括PM2.5颗粒，所述非质控点位的气象数据和所述质控点位的气象数据均包括温度和湿度。
8.一种网格化环境监测数据的质量控制装置，其特征在于，包括：
第一环境场景确定模块，用于针对监测区域中非质控点位的网格化监测设备，在每一时刻，根据所述网格化监测设备的监测数据和所述网格化监测设备所在非质控点位的气象数据，确定所述网格化监测设备所在非质控点位的环境场景的类型；
第二环境场景确定模块，用于针对所述监测区域中每个标准站，在每一时刻，根据每个所述标准站的监测数据和每个所述标准站所在的质控点位的气象数据，确定每个所述质控点位的环境场景的类型；
数据质控模块，用于在相同时刻，确定出与所述网格化监测设备所在非质控点位的环境场景的类型相同的所述质控点位，并采用确定出的所述质控点位对应的质控模型，对所述网格化监测设备的监测数据进行质控模型传递过程。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，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7中任一项所述的网格化环境监测数据的质量控制方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至7中任一项所述的网格化环境监测数据的质量控制方法的计算机程序。
CN202210953301.0A 2022-08-10 2022-08-10 网格化环境监测数据的质量控制方法、装置、设备及介质 Active CN115018022B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210953301.0A CN115018022B (zh) 2022-08-10 2022-08-10 网格化环境监测数据的质量控制方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210953301.0A CN115018022B (zh) 2022-08-10 2022-08-10 网格化环境监测数据的质量控制方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN115018022A true CN115018022A (zh) 2022-09-06
CN115018022B CN115018022B (zh) 2022-11-08

Family

ID=83065740

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210953301.0A Active CN115018022B (zh) 2022-08-10 2022-08-10 网格化环境监测数据的质量控制方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115018022B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117332357A (zh) * 2023-11-28 2024-01-02 北京市生态环境监测中心 一种多指标融合的异常排放点位识别方法
CN117686669A (zh) * 2024-02-02 2024-03-12 北京市生态环境监测中心 一种无组织排放源网格化监测方法、装置、设备和介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180321208A1 (en) * 2017-05-04 2018-11-08 International Business Machines Corporation Determining the net emissions of air pollutants
CN113095389A (zh) * 2021-04-02 2021-07-09 河北先河环保科技股份有限公司 网格化传感器监控网络校准方法及系统
CN113961732A (zh) * 2021-10-29 2022-01-21 重庆数字城市科技有限公司 基于智能数据挖掘的大气环境自动化分析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180321208A1 (en) * 2017-05-04 2018-11-08 International Business Machines Corporation Determining the net emissions of air pollutants
CN113095389A (zh) * 2021-04-02 2021-07-09 河北先河环保科技股份有限公司 网格化传感器监控网络校准方法及系统
CN113961732A (zh) * 2021-10-29 2022-01-21 重庆数字城市科技有限公司 基于智能数据挖掘的大气环境自动化分析方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117332357A (zh) * 2023-11-28 2024-01-02 北京市生态环境监测中心 一种多指标融合的异常排放点位识别方法
CN117332357B (zh) * 2023-11-28 2024-03-12 北京市生态环境监测中心 一种多指标融合的异常排放点位识别方法
CN117686669A (zh) * 2024-02-02 2024-03-12 北京市生态环境监测中心 一种无组织排放源网格化监测方法、装置、设备和介质
CN117686669B (zh) * 2024-02-02 2024-04-23 北京市生态环境监测中心 一种无组织排放源网格化监测方法、装置、设备和介质

Also Published As

Publication number Publication date
CN115018022B (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
CN115018022B (zh) 网格化环境监测数据的质量控制方法、装置、设备及介质
CN109543906B (zh) 一种大气能见度预测的方法及设备
CN112308292B (zh) 一种火灾风险等级分布图的绘制方法
Hanke et al. Generation and validation of virtual point cloud data for automated driving systems
CN107292886B (zh) 基于网格划分及神经网络的目标物入侵检测方法及装置
CN107194139A (zh) 大气污染源分级方法及计算设备
CN116205541B (zh) 评估本地污染源对环境空气质量影响的方法及装置
CN104102845A (zh) 尺度自适应的插值方法及尺度自适应的插值系统
CN110738354B (zh) 预测颗粒物浓度的方法、装置、存储介质及电子设备
CN103116711A (zh) 基于辐照度特征参数的天气类型辨识方法
CN114493052B (zh) 多模型融合自适应新能源功率预测方法和系统
CN110910440A (zh) 一种基于电力影像数据的输电线路长度确定方法和系统
CN113449257A (zh) 配电网线损的预测方法、控制装置、及存储介质
Chen et al. Proactive quality control: Observing system simulation experiments with the Lorenz’96 model
CN113808015B (zh) 输电线路区域气象参数的空间插值方法、装置及设备
CN116663786B (zh) 一种风光资源评估方法、装置、电子设备和存储介质
CN105069292B (zh) 一种局部山地区域的温度日变化基线的构建方法
CN107992970B (zh) 风力发电机组的输出功率预测方法和设备
CN115983329A (zh) 空气质量及气象条件的预测方法、装置、设备及存储介质
CN112802343B (zh) 面向虚拟算法验证的通用虚拟传感数据采集方法及系统
CN115809728A (zh) 大气污染扩散条件预测方法、装置、计算机设备
Rasp Statistical methods and machine learning in weather and climate modeling
CN112243193B (zh) 室内定位方法、装置、计算机设备和可读存储介质
Maduri et al. Air Pollution Index Prediction: A Machine Learning Approach
CN117577227B (zh) 一种pm2.5点位高值识别方法、系统、设备及介质

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