CN115184556A - 空气质量数据的异常值监测方法、系统及报警终端设备 - Google Patents
空气质量数据的异常值监测方法、系统及报警终端设备 Download PDFInfo
- Publication number
- CN115184556A CN115184556A CN202210819349.2A CN202210819349A CN115184556A CN 115184556 A CN115184556 A CN 115184556A CN 202210819349 A CN202210819349 A CN 202210819349A CN 115184556 A CN115184556 A CN 115184556A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- value
- preset
- air quality
- 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 175
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000000875 corresponding effect Effects 0.000 claims description 53
- 230000000903 blocking effect Effects 0.000 claims description 30
- 238000002347 injection Methods 0.000 claims description 18
- 239000007924 injection Substances 0.000 claims description 18
- 238000007405 data analysis Methods 0.000 claims description 14
- 238000012512 characterization method Methods 0.000 claims description 8
- 230000004888 barrier function Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000006698 induction Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 11
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 6
- JCXJVPUVTGWSNB-UHFFFAOYSA-N Nitrogen dioxide Chemical compound O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 5
- 239000002245 particle Substances 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 239000013618 particulate matter Substances 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 239000012855 volatile organic compound Substances 0.000 description 2
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 206010007269 Carcinogenicity Diseases 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 230000009692 acute damage Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 230000007670 carcinogenicity Effects 0.000 description 1
- 231100000260 carcinogenicity Toxicity 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 239000010881 fly ash Substances 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000007794 irritation Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 210000004400 mucous membrane Anatomy 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
Images
Classifications
-
- 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
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请涉及数据处理的技术领域,尤其是涉及空气质量数据的异常值监测方法、系统及报警终端设备,其中方法包括获取空气质量数据,并将空气质量数据进行特征化分值;将特征化分值后的空气质量数据带入监测模型,并获取溢出数据,并将溢出数据标记为异常数据;将空气质量数据对应的全部异常数据进行汇编,得到异常值监测数据表;根据异常值监测数据表以形成对应的若干个的数据分析图,其中,任意的数据分析图均与预设空气质量数据相对应,本发明是针对空气质量监测数据所设计的异常值检测方法,利用到了空气质量监测站点的历史数据和标准数据之间的关系等条件,提高了空气质量数据检测的检出率与正确率。
Description
技术领域
本申请涉及数据处理的技术领域,尤其是涉及空气质量数据的异常值监测方法、系统及报警终端设备。
背景技术
于环境监测标准站建设费用高,难以覆盖到区县并反映区县的局部空气污染情况,因此利用小微站空气质量监测设备组成的网络实现对区县进行实时监测成为了重要数据来源。在小微站空气质量监测网络运行的过程中,可能出现局地空气质量过好或者过差的异常监测数据,这样的监测数据有可能是由于软件代码升级或硬件故障引发的监测数据异常而引起的,这种情况需要立即修复。对于这种情况引发的故障会引起不合理的空气质量排名或者虚假污染警报,可能导致无法对真实发生的污染及时警报。因此及时识别潜在异常数据,通过后续流程进行排查是十分必要的。
发明内容
为了改善对异常数据延时的问题,本申请提供空气质量数据的异常值监测方法、系统及报警终端设备。
第一方面,本申请提供空气质量数据的异常值监测方法,采用如下的技术方案:
获取空气质量数据,并将空气质量数据进行特征化分值;
将特征化分值后的空气质量数据带入监测模型,并获取溢出数据,并将溢出数据标记为异常数据;
将空气质量数据对应的全部异常数据进行汇编,得到异常值监测数据表;
根据异常值监测数据表以形成对应的若干个的数据分析图,其中,任意的数据分析图均与预设空气质量数据相对应。
进一步的,监测模型包括:
第一监测模型、第二监测模型和收集池,其中,第一监测模型套设于第二监测模型的外侧,收集池套设于第一监测模型的外侧;
第一监测模型用于存储溢出第二监测模型的官方溢出数据,收集池用于存储溢出第一监测模型的超标溢出数据和溢出第二监测模型的官方溢出数据;
其中,超标溢出数据和官方溢出数据共同组成溢出数据。
进一步的,第二监测模型包括:
预设监测数据项、预设要求值、预设月份值;
其中,预设监测数据项之间依次连接,且预设监测数据项之间首尾相连;
构建数据阻隔线,其中,获取预设要求值内数值最大的值,并标记为标准值;
获取最大的值对应的预设监测数据项,并构建数据阻隔线,其中,数据阻隔线的长度与标准值相同;
将数据阻隔线的一端与预设监测数据项重合,数据阻隔线的另一端向同向垂直延伸,并将预设监测数据项对应的预设要求值平均分配到数据阻隔线上;
其中,每个预设月份值均对应一个第二监测模型。
进一步的,第一监测模型包括:
预设监测数据项、月份历史最大值、预设月份值;
其中,预设监测数据项之间依次连接,且预设监测数据项之间首尾相连;
构建数据阻隔线,其中,获取月份历史最大值内数值最大的值,并标记为基准值;
获取最大的值对应的预设监测数据项,并构建数据阻隔线,其中,数据阻隔线的长度与基准值相同;
将数据阻隔线的一端与预设监测数据项重合,数据阻隔线的另一端向同向垂直延伸,并将预设监测数据项对应的月份历史最大值平均分配到数据阻隔线上;
其中,每个预设月份值均对应一个第一监测模型。
进一步的,收集池包括:
数值感应区、数据分类区、数据关联区、数据发送区及数据注入区;
其中,数据分类区将溢出数据拆分为预设监测数据项、溢出值、预设月份值;
数据关联区将溢出数据内预设监测数据项、溢出值、预设月份值之间相互关联;
数值感应区将溢出值转化为相互关联的预设监测数据项的通用数据;
数据发送区将通用数据发送至人工处理平台;
数据注入区接收人工处理平台反馈的注入指令,其中,注入指令包括通用数据对应的溢出值和相互关联的预设监测数据项和预设月份值。
进一步的,溢出值包括:
超标溢出数据和官方溢出数据,其中,当溢出值为超标溢出数据时,注入指令内通用数据对应的溢出值用于替换相互关联的预设月份值和预设监测数据项对应的月份历史最大值;
当溢出值为官方溢出数据时,注入指令内通用数据对应的溢出值不用于替换相互关联的预设月份值和预设监测数据项对应的预设要求值。
进一步的,将空气质量数据进行特征化分值包括:
获取第一监测模型和第二监测模型内预设监测数据项,并将空气质量数据内预设监测数据项进行剔除,标记为预选数据;
将预选数据对应的数值标记为采集值;
将空气质量数据对应的月份标记为采集月份。
进一步的,将特征化分值后的空气质量数据带入监测模型,并获取溢出数据包括:
获取采集月份对应的预设月份值;
读取预设月份值对应的第一监测模型和第二监测模型,并将采集值代入第一监测模型和第二监测模型,当采集值大于预设要求值或月份历史最大值则将采集值标记为溢出数据。
第二方面,本申请提供空气质量数据的异常值监测系统,采用如下的技术方案:
特征化分模块,特征化分模块获取空气质量数据,并将空气质量数据进行特征化分值;
溢出数据模块,溢出数据模块将特征化分值后的空气质量数据带入监测模型,并获取溢出数据;
异常标记模块,异常标记模块将溢出数据标记为异常数据,将空气质量数据对应的全部异常数据进行汇编,得到异常值监测数据表;
图像匹配模块,图像匹配模块根据异常值监测数据表以形成对应的若干个的数据分析图,其中,任意的数据分析图均与预设空气质量数据相对应。
第三方面,本申请提供空气质量数据的异常值监测报警终端设备,采用如下的技术方案:
存储器,存储器上存储有能够被处理器加载并执行如权利要求1至8中任一种方法的计算机程序;
处理器,处理器用于处理如权利要求1至8中任一种方法的逻辑程序;
执行器,执行器用于获取处理器的处理结果,并生成执行指令。
综上所述,本申请包括以下至少一种有益技术效果:
(1)现有的空气质量异常值检测方法大都是针对异常值的通用检测方法,只是将其应用于空气质量异常检测中,忽略了空气质量异常值的特性,使得空气质量异常值检测的精度较低;本发明是针对空气质量监测数据所设计的异常值检测方法,利用到了空气质量监测站点的历史数据和标准数据之间的关系等条件,提高了空气质量数据检测的检出率与正确率;
(2).现有的空气质量异常值检测方法大都只能检测出点异常值;本发明可以分辨并检测出点异常与集合异常值。
附图说明
图1是本申请实施例的空气质量数据的异常值监测方法示意图。
具体实施方式
以下结合附图1对本申请作进一步详细说明。
本申请实施例公开空气质量数据的异常值监测方法、系统及报警终端设备。参照图1,空气质量数据的异常值监测方法包括:
获取空气质量数据,并将空气质量数据进行特征化分值;
这里从小微站空气质量监测网络获取各属地的当前周期长度的空气质量数据。小微站空气质量监测网络属于高密度空气质量监测网络的一种,高密度空气质量监测网络指设备密集的空气质量监测网络,也就是说高密度的配置设备,例如也可以是组分监测网络,并不以此为限。空气质量数据包括PM2.5、PM10、TSP、TVOC、CO、NO2、O3、SO2的一种或一种以上,这里需要解释的是,PM2.5是指大气中空气动力学当量直径小于或等于2.5微米的颗粒物,也称为可入肺颗粒物。PM10是空气动力学直径小于或等于10微米的颗粒物,也称可吸入颗粒物或飘尘。TSP是英文total suspended particulate的缩写,即总悬浮微粒,又称总悬浮颗粒物。指用最新标准大容量颗粒采集器在滤膜上收集到的颗粒物的总质量,有人为源和自然源之分,人为源主要是燃煤、燃油、工业生产过程等人为活动排放出来的,自然源主要有土壤、扬尘、沙尘经风力的作用输送到空气中而形成的。TVOC(Total VolatileOrganic Compounds),是总挥发性有机物,是三种影响室内空气品质污染中影响较为严重的一种,指室温下饱和蒸气压超过了133.32pa的有机物,其沸点在50℃至250℃,在常温下可以蒸发的形式存在于空气中,它的毒性、刺激性、致癌性和特殊的气味性,会影响皮肤和黏膜,对人体产生急性损害。CO是一氧化碳。NO2是二氧化氮。O3是臭氧。SO2是二氧化硫。
将特征化分值后的空气质量数据带入监测模型,并获取溢出数据,并将溢出数据标记为异常数据;
将空气质量数据对应的全部异常数据进行汇编,得到异常值监测数据表;
根据异常值监测数据表以形成对应的若干个的数据分析图,其中,任意的数据分析图均与预设空气质量数据相对应
当采集到空气质量数据后,获取第一监测模型和第二监测模型内预设监测数据项,并将空气质量数据内预设监测数据项进行剔除,标记为预选数据;将预选数据对应的数值标记为采集值;将空气质量数据对应的月份标记为采集月份。
将特征化分值后的空气质量数据带入监测模型,并获取溢出数据,并将溢出数据标记为异常数据;
其中,监测模型包括:
第一监测模型、第二监测模型和收集池,其中,第一监测模型套设于第二监测模型的外侧,收集池套设于第一监测模型的外侧;
具体的说,第一监测模型用于存储溢出第二监测模型的官方溢出数据,收集池用于存储溢出第一监测模型的超标溢出数据和溢出第二监测模型的官方溢出数据;其中,超标溢出数据和官方溢出数据共同组成溢出数据。
更具体的说,第二监测模型包括:
预设监测数据项、预设要求值、预设月份值;
其中,预设监测数据项之间依次连接,且预设监测数据项之间首尾相连;
构建数据阻隔线,其中,获取预设要求值内数值最大的值,并标记为标准值;
获取最大的值对应的预设监测数据项,并构建数据阻隔线,其中,数据阻隔线的长度与标准值相同;
将数据阻隔线的一端与预设监测数据项重合,数据阻隔线的另一端向同向垂直延伸,并将预设监测数据项对应的预设要求值平均分配到数据阻隔线上;
其中,每个预设月份值均对应一个第二监测模型。
第一监测模型包括:
预设监测数据项、月份历史最大值、预设月份值;
其中,预设监测数据项之间依次连接,且预设监测数据项之间首尾相连;
构建数据阻隔线,其中,获取月份历史最大值内数值最大的值,并标记为基准值;
获取最大的值对应的预设监测数据项,并构建数据阻隔线,其中,数据阻隔线的长度与基准值相同;
将数据阻隔线的一端与预设监测数据项重合,数据阻隔线的另一端向同向垂直延伸,并将预设监测数据项对应的月份历史最大值平均分配到数据阻隔线上;
其中,每个预设月份值均对应一个第一监测模型。
收集池包括:数值感应区、数据分类区、数据关联区、数据发送区及数据注入区;
其中,数据分类区将溢出数据拆分为预设监测数据项、溢出值、预设月份值;
数据关联区将溢出数据内预设监测数据项、溢出值、预设月份值之间相互关联;
数值感应区将溢出值转化为相互关联的预设监测数据项的通用数据;
数据发送区将通用数据发送至人工处理平台;
数据注入区接收人工处理平台反馈的注入指令,其中,注入指令包括通用数据对应的溢出值和相互关联的预设监测数据项和预设月份值。
溢出值包括:
超标溢出数据和官方溢出数据,其中,当溢出值为超标溢出数据时,注入指令内通用数据对应的溢出值用于替换相互关联的预设月份值和预设监测数据项对应的月份历史最大值;
当溢出值为官方溢出数据时,注入指令内通用数据对应的溢出值不用于替换相互关联的预设月份值和预设监测数据项对应的预设要求值。
将空气质量数据对应的全部异常数据进行汇编,得到异常值监测数据表,具体的,获取采集月份对应的预设月份值;读取预设月份值对应的第一监测模型和第二监测模型,并将采集值代入第一监测模型和第二监测模型,当采集值大于预设要求值或月份历史最大值则将采集值标记为溢出数据。
根据异常值监测数据表以形成对应的若干个的数据分析图,其中,任意的数据分析图均与预设空气质量数据相对应。
本申请实施例还公开空气质量数据的异常值监测系统,包括特征化分模块,特征化分模块获取空气质量数据,并将空气质量数据进行特征化分值;
溢出数据模块,溢出数据模块将特征化分值后的空气质量数据带入监测模型,并获取溢出数据;
异常标记模块,异常标记模块将溢出数据标记为异常数据,将空气质量数据对应的全部异常数据进行汇编,得到异常值监测数据表;
图像匹配模块,图像匹配模块根据异常值监测数据表以形成对应的若干个的数据分析图,其中,任意的数据分析图均与预设空气质量数据相对应。
除此之外,本申请实施例还公开空气质量数据的异常值监测报警终端设备,包括存储器,存储器上存储有能够被处理器加载并执行如权利要求1至8中任一种方法的计算机程序;
处理器,处理器用于处理上所述方法的逻辑程序;
执行器,执行器用于获取处理器的处理结果,并生成执行指令。
以上实施例仅用以说明本申请的技术方案,而非对申请的保护范围进行限制。显然,所描述的实施例仅仅是本申请部分实施例,而不是全部实施例。基于这些实施例,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他实施例,都属于本申请所要保护的范围。
Claims (10)
1.空气质量数据的异常值监测方法,其特征在于,包括:
获取空气质量数据,并将空气质量数据进行特征化分值;
将特征化分值后的空气质量数据带入监测模型,并获取溢出数据,并将溢出数据标记为异常数据;
将空气质量数据对应的全部异常数据进行汇编,得到异常值监测数据表;
根据异常值监测数据表以形成对应的若干个的数据分析图,其中,任意的数据分析图均与预设空气质量数据相对应。
2.根据权利要求1所述的空气质量数据的异常值监测方法,其特征在于,监测模型包括:
第一监测模型、第二监测模型和收集池,其中,第一监测模型套设于第二监测模型的外侧,收集池套设于第一监测模型的外侧;
第一监测模型用于存储溢出第二监测模型的官方溢出数据,收集池用于存储溢出第一监测模型的超标溢出数据和溢出第二监测模型的官方溢出数据;
其中,超标溢出数据和官方溢出数据共同组成溢出数据。
3.根据权利要求2所述的空气质量数据的异常值监测方法,其特征在于,第二监测模型包括:
预设监测数据项、预设要求值、预设月份值;
其中,预设监测数据项之间依次连接,且预设监测数据项之间首尾相连;
构建数据阻隔线,其中,获取预设要求值内数值最大的值,并标记为标准值;
获取最大的值对应的预设监测数据项,并构建数据阻隔线,其中,数据阻隔线的长度与标准值相同;
将数据阻隔线的一端与预设监测数据项重合,数据阻隔线的另一端向同向垂直延伸,并将预设监测数据项对应的预设要求值平均分配到数据阻隔线上;
其中,每个预设月份值均对应一个第二监测模型。
4.根据权利要求2所述的空气质量数据的异常值监测方法,其特征在于,第一监测模型包括:
预设监测数据项、月份历史最大值、预设月份值;
其中,预设监测数据项之间依次连接,且预设监测数据项之间首尾相连;
构建数据阻隔线,其中,获取月份历史最大值内数值最大的值,并标记为基准值;
获取最大的值对应的预设监测数据项,并构建数据阻隔线,其中,数据阻隔线的长度与基准值相同;
将数据阻隔线的一端与预设监测数据项重合,数据阻隔线的另一端向同向垂直延伸,并将预设监测数据项对应的月份历史最大值平均分配到数据阻隔线上;
其中,每个预设月份值均对应一个第一监测模型。
5.根据权利要求2所述的空气质量数据的异常值监测方法,其特征在于,收集池包括:
数值感应区、数据分类区、数据关联区、数据发送区及数据注入区;
其中,数据分类区将溢出数据拆分为预设监测数据项、溢出值、预设月份值;
数据关联区将溢出数据内预设监测数据项、溢出值、预设月份值之间相互关联;
数值感应区将溢出值转化为相互关联的预设监测数据项的通用数据;
数据发送区将通用数据发送至人工处理平台;
数据注入区接收人工处理平台反馈的注入指令,其中,注入指令包括通用数据对应的溢出值和相互关联的预设监测数据项和预设月份值。
6.根据权利要求5所述的空气质量数据的异常值监测方法,其特征在于,溢出值包括:
超标溢出数据和官方溢出数据,其中,当溢出值为超标溢出数据时,注入指令内通用数据对应的溢出值用于替换相互关联的预设月份值和预设监测数据项对应的月份历史最大值;
当溢出值为官方溢出数据时,注入指令内通用数据对应的溢出值不用于替换相互关联的预设月份值和预设监测数据项对应的预设要求值。
7.根据权利要求1至6所述的空气质量数据的异常值监测方法,其特征在于,将空气质量数据进行特征化分值包括:
获取第一监测模型和第二监测模型内预设监测数据项,并将空气质量数据内预设监测数据项进行剔除,标记为预选数据;
将预选数据对应的数值标记为采集值;
将空气质量数据对应的月份标记为采集月份。
8.根据权利要求7所述的空气质量数据的异常值监测方法,其特征在于,将特征化分值后的空气质量数据带入监测模型,并获取溢出数据包括:
获取采集月份对应的预设月份值;
读取预设月份值对应的第一监测模型和第二监测模型,并将采集值代入第一监测模型和第二监测模型,当采集值大于预设要求值或月份历史最大值则将采集值标记为溢出数据。
9.空气质量数据的异常值监测系统,其特征在于,包括:
特征化分模块,特征化分模块获取空气质量数据,并将空气质量数据进行特征化分值;
溢出数据模块,溢出数据模块将特征化分值后的空气质量数据带入监测模型,并获取溢出数据;
异常标记模块,异常标记模块将溢出数据标记为异常数据,将空气质量数据对应的全部异常数据进行汇编,得到异常值监测数据表;
图像匹配模块,图像匹配模块根据异常值监测数据表以形成对应的若干个的数据分析图,其中,任意的数据分析图均与预设空气质量数据相对应。
10.空气质量数据的异常值监测报警终端设备,其特征在于,包括:
存储器,存储器上存储有能够被处理器加载并执行如权利要求1至8中任一种方法的计算机程序;
处理器,处理器用于处理如权利要求1至8中任一种方法的逻辑程序;
执行器,执行器用于获取处理器的处理结果,并生成执行指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210819349.2A CN115184556B (zh) | 2022-07-13 | 2022-07-13 | 空气质量数据的异常值监测方法、系统及报警终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210819349.2A CN115184556B (zh) | 2022-07-13 | 2022-07-13 | 空气质量数据的异常值监测方法、系统及报警终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115184556A true CN115184556A (zh) | 2022-10-14 |
CN115184556B CN115184556B (zh) | 2023-04-21 |
Family
ID=83519962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210819349.2A Active CN115184556B (zh) | 2022-07-13 | 2022-07-13 | 空气质量数据的异常值监测方法、系统及报警终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115184556B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436542A (zh) * | 2011-09-22 | 2012-05-02 | 河南中医学院 | 一种基于格拉布斯规则和矩阵实验室语言的药学测试数据中异常值的剔除方法 |
US20190087738A1 (en) * | 2017-09-20 | 2019-03-21 | Siemens Aktiengesellschaft | Method, apparatus and device for detecting abnormal data, and machine-readable medium |
CN109684378A (zh) * | 2018-12-14 | 2019-04-26 | 北京向上一心科技有限公司 | 数据筛选方法、数据展示方法、装置、设备及存储介质 |
CN109753720A (zh) * | 2018-12-29 | 2019-05-14 | 北京英视睿达科技有限公司 | 空气质量监测数据异常排查方法、系统、设备及介质 |
CN110134676A (zh) * | 2019-06-03 | 2019-08-16 | 西安电子科技大学 | 一种传感器数据质量的监控方法 |
CN112801423A (zh) * | 2021-03-29 | 2021-05-14 | 北京英视睿达科技有限公司 | 空气质量监测数据的异常识别方法及装置、存储介质 |
US20210389290A1 (en) * | 2020-06-12 | 2021-12-16 | Chinese Research Academy Of Environmental Sciences | Intelligent Monitoring and Analysis Method for Air Pollution and Device Thereof |
CN114580572A (zh) * | 2022-04-07 | 2022-06-03 | 中科三清科技有限公司 | 一种异常值的识别方法、装置、电子设备及存储介质 |
-
2022
- 2022-07-13 CN CN202210819349.2A patent/CN115184556B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436542A (zh) * | 2011-09-22 | 2012-05-02 | 河南中医学院 | 一种基于格拉布斯规则和矩阵实验室语言的药学测试数据中异常值的剔除方法 |
US20190087738A1 (en) * | 2017-09-20 | 2019-03-21 | Siemens Aktiengesellschaft | Method, apparatus and device for detecting abnormal data, and machine-readable medium |
CN109684378A (zh) * | 2018-12-14 | 2019-04-26 | 北京向上一心科技有限公司 | 数据筛选方法、数据展示方法、装置、设备及存储介质 |
CN109753720A (zh) * | 2018-12-29 | 2019-05-14 | 北京英视睿达科技有限公司 | 空气质量监测数据异常排查方法、系统、设备及介质 |
CN110134676A (zh) * | 2019-06-03 | 2019-08-16 | 西安电子科技大学 | 一种传感器数据质量的监控方法 |
US20210389290A1 (en) * | 2020-06-12 | 2021-12-16 | Chinese Research Academy Of Environmental Sciences | Intelligent Monitoring and Analysis Method for Air Pollution and Device Thereof |
CN112801423A (zh) * | 2021-03-29 | 2021-05-14 | 北京英视睿达科技有限公司 | 空气质量监测数据的异常识别方法及装置、存储介质 |
CN114580572A (zh) * | 2022-04-07 | 2022-06-03 | 中科三清科技有限公司 | 一种异常值的识别方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115184556B (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113283344B (zh) | 一种基于语义分割网络的矿用输送带跑偏检测方法 | |
CN107516174B (zh) | 电厂技术监督策略库的生成方法 | |
CN116060201B (zh) | 一种火电站磨煤机爆燃监测异常定位识别方法及系统 | |
US11480501B2 (en) | Diagnosis device and diagnosis method for plant | |
CN109696210A (zh) | 一种化工工厂用环境监测系统及使用方法 | |
CN109753720B (zh) | 空气质量监测数据异常排查方法、系统、设备及介质 | |
CN105260866A (zh) | 一种储物柜开箱故障检测方法 | |
CN110333689A (zh) | 一种用于包装码垛生产线的物联网数据采集分析系统 | |
CN107255984B (zh) | 一种工业废气排放的监管系统及方法 | |
CN114215705A (zh) | 风电机组故障预警方法和系统 | |
CN107238475A (zh) | 一种袋式除尘器滤袋在线实时监测系统 | |
CN205983585U (zh) | 配网变压器巡检系统、rfid模块和手持器模块 | |
CN115184556B (zh) | 空气质量数据的异常值监测方法、系统及报警终端设备 | |
CN110044786A (zh) | 混凝土厂粉尘超标自动预警系统 | |
CN117371992A (zh) | 基于gis的水库运维控制系统 | |
CN116026418B (zh) | 一种用于石油化工的碳排放核查在线监测系统 | |
CN115309729A (zh) | 基于etl技术的火电厂多类型数据调配方法及系统 | |
CN101777145A (zh) | 环境风险源识别与综合研判方法 | |
CN113836203A (zh) | 一种网络数据化诊断检测分析系统 | |
CN113988636A (zh) | 一种建筑施工质量安全在线风险评估系统 | |
CN110515365B (zh) | 一种基于过程挖掘的工控系统异常行为分析方法 | |
CN113359651A (zh) | 一种数字化智能制造工业车间生产安全实时在线监测云平台 | |
CN111860170A (zh) | 基于5g和深度学习目标检测的安全护具佩戴检测系统 | |
CN107977720A (zh) | 一种接地极状态分析和异常预警系统 | |
CN104436901A (zh) | 反吹时在线查找脉冲除尘器上除尘布袋破损位置的方法 |
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 |