CN116699072B - 基于侦测巡航的环境预警方法 - Google Patents
基于侦测巡航的环境预警方法 Download PDFInfo
- Publication number
- CN116699072B CN116699072B CN202310672164.8A CN202310672164A CN116699072B CN 116699072 B CN116699072 B CN 116699072B CN 202310672164 A CN202310672164 A CN 202310672164A CN 116699072 B CN116699072 B CN 116699072B
- Authority
- CN
- China
- Prior art keywords
- pollution
- concentration
- target
- extremum
- sequence
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 154
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000009792 diffusion process Methods 0.000 claims abstract description 100
- 238000012544 monitoring process Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 5
- 239000003344 environmental pollutant Substances 0.000 claims description 75
- 231100000719 pollutant Toxicity 0.000 claims description 75
- 230000007613 environmental effect Effects 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 17
- 239000000356 contaminant Substances 0.000 claims description 12
- 230000000379 polymerizing effect Effects 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000013075 data extraction Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 10
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 9
- 238000003912 environmental pollution Methods 0.000 description 7
- 241000282414 Homo sapiens Species 0.000 description 6
- 230000007774 longterm Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000008821 health effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供了基于侦测巡航的环境预警方法，涉及数据处理技术领域，通过遍历比对侦测区域P个网格区域的污染浓度指数进行污染源定位获得污染源，将环境监测数据和污染起始浓度输入污染扩散分析模型获得污染扩散指数；根据污染扩散指数和污染坐标参数定位污染预警区域并生成污染预警指令。本发明解决了现有技术中存在进行室内空间气体污染源定位及污染程度定性定量检测的耗时较多，且进行室内空间气体污染源定位对于室内空间使用方式适应性调整的参考价值较低的技术问题；达到了快速准确进行室内空间气体污染源定位及污染源污染程度的定性定量分析，同时为存在气体污染源的室内空间进行空间使用方式调整提供调整参考信息的技术效果。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及基于侦测巡航的环境预警方法。
背景技术
目前，我们已经有了许多用于检测室内空气质量的技术，例如传感器和监测设备，但是现有的室内空间气体污染源定位方法通常为在整个室内不同位置安装多个传感器或监测设备，以获取足够的数据并分析其结果，从而确定室内空间气体污染源。
这一过程需要花费大量的时间和精力，且通常需要专业人员进行操作，因此对于一般用户而言难以实现，且用户并不能参考基于专业人员给出的室内空间气体污染源进行有效的室内空间使用方式暂时调整。
现有技术中存在进行室内空间气体污染源定位及污染程度定性定量检测的耗时较多，且进行室内空间气体污染源定位对于室内空间使用方式适应性调整的参考价值较低的技术问题。
发明内容
本申请提供了基于侦测巡航的环境预警方法，用于针对解决现有技术中存在进行室内空间气体污染源定位及污染程度定性定量检测的耗时较多，且进行室内空间气体污染源定位对于室内空间使用方式适应性调整的参考价值较低的技术问题。
鉴于上述问题，本申请提供了基于侦测巡航的环境预警方法。
本申请的第一个方面，提供了基于侦测巡航的环境预警方法，所述方法包括：对目标侦测区域进行区域网格划分，获得P个目标网格区域，其中，P为正整数；遍历比对所述P个目标网格区域的污染浓度指数进行污染源定位，获得目标污染源，其中，所述目标污染源包括污染起始浓度和污染坐标参数；交互获得所述目标侦测区域的环境监测数据；将所述环境监测数据和所述污染起始浓度输入预构建的污染扩散分析模型，获得目标污染扩散指数；根据所述目标污染扩散指数和所述污染坐标参数定位目标污染预警区域；基于所述目标污染预警区域生成第一污染预警指令。
本申请的第二个方面，提供了基于侦测巡航的环境预警系统，所述系统包括：区域划分执行模块，用于对目标侦测区域进行区域网格划分，获得P个目标网格区域，其中，P为正整数；污染源定位模块，用于遍历比对所述P个目标网格区域的污染浓度指数进行污染源定位，获得目标污染源，其中，所述目标污染源包括污染起始浓度和污染坐标参数；环境数据监测模块，用于交互获得所述目标侦测区域的环境监测数据；扩散指数计算模块，用于将所述环境监测数据和所述污染起始浓度输入预构建的污染扩散分析模型，获得目标污染扩散指数；预警区域生成模块，用于根据所述目标污染扩散指数和所述污染坐标参数定位目标污染预警区域；污染预警执行模块，用于基于所述目标污染预警区域生成第一污染预警指令。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例提供的方法通过对目标侦测区域进行区域网格划分，获得P个目标网格区域，其中，P为正整数；遍历比对所述P个目标网格区域的污染浓度指数进行污染源定位，获得目标污染源，其中，所述目标污染源包括污染起始浓度和污染坐标参数；交互获得所述目标侦测区域的环境监测数据；将所述环境监测数据和所述污染起始浓度输入预构建的污染扩散分析模型，实现获得高可信度的目标污染扩散指数；根据所述目标污染扩散指数和所述污染坐标参数定位目标污染预警区域；基于所述目标污染预警区域生成第一污染预警指令。达到了快速准确进行室内空间气体污染源定位及污染源污染程度的定性定量分析，同时为存在气体污染源的室内空间进行空间使用方式调整提供调整参考信息的技术效果。
附图说明
图1为本申请提供的基于侦测巡航的环境预警方法流程示意图；
图2为本申请提供的基于侦测巡航的环境预警方法中获得目标污染扩散指数的流程示意图；
图3为本申请提供的基于侦测巡航的环境预警方法中定位目标污染预警区域的流程示意图；
图4为本申请提供的基于侦测巡航的环境预警系统的结构示意图。
附图标记说明：区域划分执行模块1，污染源定位模块2，环境数据监测模块3，扩散指数计算模块4，预警区域生成模块5，污染预警执行模块6。
具体实施方式
本申请提供了基于侦测巡航的环境预警方法，用于针对解决现有技术中存在进行室内空间气体污染源定位及污染程度定性定量检测的耗时较多，且进行室内空间气体污染源定位对于室内空间使用方式适应性调整的参考价值较低的技术问题。达到了快速准确进行室内空间气体污染源定位及污染源污染程度的定性定量分析，同时为存在气体污染源的室内空间进行空间使用方式调整提供调整参考信息的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合相关规定。
下面，将参考附图对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明的实施例，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他实施例，都属于本发明保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。
实施例一
如图1所示，本申请提供了基于侦测巡航的环境预警方法，所述方法包括：
S100:对目标侦测区域进行区域网格划分，获得P个目标网格区域，其中，P为正整数；
具体而言，在本实施例中，所述目标侦测区域为存在气体污染问题的室内开放空间，所述目标侦测区域与室外环境存在空气置换。在对所述目标侦测区域进行环境污染侦测前，预设侦测污染物类型，例如所述目标侦测区域为客厅，计划在客厅进行的侦测污染物类型为环境甲醛污染侦测。
获得预设网格尺寸，所述预设网格尺寸用于在对所述目标侦测区域进行区域网格划分时作为区域网格的长宽尺寸，所述预设网格尺寸优选设定为环境污染巡航检测装置的装置宽度。
所述环境污染巡航检测装置为在目标侦测区域内位移进行目标侦测区域的气体污染数据采集的可移动设备，例如移动式甲醛检测仪。
基于所述预设网格尺寸对目标侦测区域进行区域网格划分，获得P个目标网格区域，目标网格区域为长宽均为所述预设网格尺寸的正方形，P为正整数。
同时，本实施例以所述目标侦测区域某点为原点建立平面直角坐标系，从而基于坐标系获得P个目标网格区域的位置坐标。
S200:遍历比对所述P个目标网格区域的污染浓度指数进行污染源定位，获得目标污染源，其中，所述目标污染源包括污染起始浓度和污染坐标参数；
在一个实施例中，遍历比对所述P个目标网格区域的污染浓度指数进行污染源定位，获得目标污染源，本申请提供的方法步骤S200还包括：
S210:根据所述P个目标网格区域生成路径间隔距离；
S220:基于所述路径间隔距离在所述目标侦测区域生成K条侦测巡航路径，其中，所述K条侦测巡航路径相互平行；
S230:根据所述K条侦测巡航路径进行所述P个目标网格区域的组别划分，获得K组目标网格区域，其中，每组目标网格区域包括H个目标网格区域，H为正整数；
S240:控制环境污染巡航检测装置基于所述K条侦测巡航路径完成所述P个目标网格区域的污染浓度采集，获得K组所述污染浓度指数；
S250:基于K组所述污染浓度指数进行污染源定位，获得所述目标污染源。
在一个实施例中，基于K组所述污染浓度指数进行污染源定位，获得所述目标污染源，本申请提供的方法步骤S250还包括：
S251:基于所述K组污染浓度指数提取获得第一污染浓度指数集；
S252:遍历比对所述第一污染浓度指数集获得第一污染浓度极值，其中，所述第一污染浓度极值具有第一位置标识；
S253:以此类推，获得所述K组污染浓度指数的K个污染浓度极值，其中，所述K个污染浓度极值具有K个位置标识；
S254:对所述K个污染浓度极值进行寻优聚合，生成所述目标污染源。
具体而言，在本实施例中，环境污染巡航检测装置采用直线路径在目标侦测区域中侦测巡航，采集目标侦测区域的污染物浓度数据。本实施例生成环境污染巡航检测装置巡航侦测路径的方法如下。
将所述P个目标网格区域的网格长宽尺寸，作为两条相邻直线路径的路径间隔距离，基于所述路径间隔距离在所述目标侦测区域生成K条相互平行的侦测巡航路径，同时，K条侦测巡航路径中每条侦测巡航路径都与目标网格区域的网格划分线条相平行或垂直。
从而实现环境污染巡航检测装置巡航走完K条侦测巡航路径后，可以获得所述P个目标网格区域的污染浓度指数。
根据所述K条侦测巡航路径具体贯穿的目标网格区域，将所述P个目标网格区域分为K组目标网格区域，每组目标网格区域包括数量不定的H个目标网格区域，H为正整数。
控制环境污染巡航检测装置基于所述K条侦测巡航路径完成所述P个目标网格区域的污染浓度数据采集，获得K组所述污染浓度指数，每组污染浓度指数反映了一条侦测巡航路径途经的若干个目标网格区域的污染物浓度的变化情况。
基于所述K组污染浓度指数提取获得第一巡航侦测路径对应的第一污染浓度指数集，对于第一污染浓度指数集中H个目标网格区域的H个污染浓度指数排序，从而获得第一污染浓度极值，所述第一污染浓度极值为第一巡航侦测路径中污染浓度指数最高的目标网格区域的污染浓度指数数据，将对应目标网格区域的位置坐标作为第一位置标识添加至所述第一污染浓度极值。
采用获得第一巡航侦测路径的第一污染浓度极值相同方法，获得所述K组污染浓度指数的K个污染浓度极值，所述K个污染浓度极值具有K个位置标识。
本实施例在获得所述K个污染浓度极值的基础上，采用寻优聚合的方式，根据K个污染物浓度极值的数值大小，快速定位所述目标污染源，所述目标污染源为释放侦测污染物类型对应气体污染物的污染源，本实施例在后续说明书中详细阐述采用寻优聚合的方式，获得所述目标污染源的具体方法。
本实施例通过构建巡航路径进行目标侦测区域的全方位污染数据采集，并基于巡航路径获得局部污染浓度极值，进而基于局部污染浓度极值确定污染源，实现了提高获得的目标污染源的可信度和获得目标污染源的速度的技术效果。
S300:交互获得所述目标侦测区域的环境监测数据；
具体而言，在本实施例中，所述基于侦测巡航的环境预警方法应用于基于侦测巡航的环境预警系统，所述系统与布设于所述目标侦测区域中的温度采集装置、湿度采集装置通信连接。
通过将基于侦测巡航的环境预警系统与所述温度采集装置及所述湿度采集装置进行数据交互，从而获得所述目标侦测区域的环境监测数据，所述环境监测数据由环境实时温度数据和环境实时湿度数据组成。
S400:将所述环境监测数据和所述污染起始浓度输入预构建的污染扩散分析模型，获得目标污染扩散指数；
在一个实施例中，如图2所示，将所述环境监测数据和所述污染起始浓度输入预构建的污染扩散分析模型，获得目标污染扩散指数，本申请提供的方法步骤S400还包括：
S410:基于所述目标污染源获得目标污染类型；
S420:根据所述目标污染类型交互获得多组样本污染扩散数据，其中，每组样本污染扩散数据包括样本环境温度参数、样本环境湿度参数、样本污染源浓度参数和样本污染扩散指数；
S430:对所述多组样本污染扩散数据进行数据标识，获得构建训练数据集；
S440:基于BP神经网络，构建所述污染扩散分析模型；
S450:采用所述构建训练数据集对所述污染扩散分析模型进行迭代监督训练、验证和测试，直到所述污染扩散分析模型的准确率符合预设要求；
S460:将所述环境监测数据和所述污染起始浓度输入所述污染扩散分析模型，获得所述目标污染扩散指数。
具体而言，应理解的，本实施例在对所述目标侦测区域进行环境污染侦测前，预设侦测污染物类型，例如在目标侦测区域计划进行环境甲醛污染侦测。因而，所述目标污染源即为预设侦测污染物类型的污染产出释放源头，基于此，本实施例根据所述目标污染源获得目标污染类型。
本实施例根据所述目标污染类型生成数据检索指令，遍历大数据提取获得与所述目标污染类型具有一致性的多组样本污染扩散数据，每组样本污染扩散数据包括样本环境温度参数、样本环境湿度参数、样本污染源浓度参数和样本污染扩散指数，所述样本污染扩散指数为远离样本污染源单位距离的样本污染浓度的下降量，单位为mg/立方米。
对所述多组样本污染扩散数据进行数据标识，具体的，将诉搜狐多组样本污染扩散数据按照18:1:1的数据量划分条件，标识划分为训练集、测试集和验证集，训练集、测试集和验证集构成所述训练数据集。
基于BP(反向传播)神经网络，构建所述污染扩散分析模型，所述污染扩散分析模型的输入数据为环境温度参数、环境湿度参数、污染源浓度参数，输出结果为污染扩散指数。
采用所述构建训练数据集中的训练集和测试集对所述污染扩散分析模型进行迭代监督训练、验证，采用测试集进行所述污染扩散分析模型输出准确率的测试，当所述污染扩散分析模型的输出准确率稳定高于97％时，认为污染扩散分析模型的输出准确率符合预设要求。
将所述环境监测数据和所述污染起始浓度作为输入数据输入所述污染扩散分析模型中进行污染扩散分析，获得所述目标污染扩散指数，所述目标污染扩散指数即为随着距离所述目标污染源渐远，单位距离污染浓度的下降量。
本实施例通过构建并训练污染扩散分析模型，实现了在获得环境中污染源的污染浓度以及环境温度湿度数据后，可以快速获得高可信度的污染扩散指数的技术效果，通过获得污染扩散指数为后期确定所述目标侦测区域中污染物浓度处于危害人体健康超标状态的所述目标污染预警区域提供参考信息的技术效果。
S500:根据所述目标污染扩散指数和所述污染坐标参数定位目标污染预警区域；
在一个实施例中，如图3所示，根据所述目标污染扩散指数和所述污染坐标参数定位目标污染预警区域，本申请提供的方法步骤S500还包括：
S510:预设污染浓度安全阈值，并基于所述污染浓度安全阈值和所述目标污染扩散指数获得污染扩散安全半径；
S520:基于所述污染扩散安全半径和所述污染坐标参数在所述目标侦测区域内进行污染区域定位，获得所述目标污染预警区域；
S530:交互获得区域自由度阈值；
S540:基于所述目标污染预警区域和所述目标侦测区域生成环境自由度指数；
S550:当所述环境自由度指数不满足所述区域自由度阈值时，生成所述第一污染预警指令。
具体而言，在本实施例中，根据目标污染类型，基于室内污染物气体浓度安全标准，获得所述污染浓度安全阈值，当环境内所述目标污染物类型的气体污染物浓度高于所述污染浓度安全阈值时，表明该环境不适宜人类长期生活工作。
在本实施例中，基于所述污染浓度安全阈值和所述污染起始浓度计算获得污染浓度差值，以污染浓度差作为被除数，所述目标污染扩散指数作为除数，计算获得所述污染扩散安全半径，所述污染扩散安全半径为污染起始浓度下降至所述污染浓度安全阈值需要的扩散长度。
基于所述污染扩散安全半径和所述污染坐标参数在所述目标侦测区域内进行污染区域定位，获得所述目标污染预警区域，所述目标污染预警区域是以所述污染坐标参数为圆心，以所述污染扩散安全半径为半径的一个圆，所述目标污染预警区域这个区域空间内的气体污染物浓度都高于所述污染浓度安全阈值，不适宜人类长期生活工作。
所述区域自由度阈值为在一个室内空间中，人类可自由进出的空间面积占整个室内空间的百分比，所述区域自由度阈值可基于所述目标侦测区域的使用需求设置。在本实施例中，基于侦测巡航的环境预警系统交互获得预先上传的所述区域自由度阈值。
计算所述目标污染预警区域的面积，以及所述目标侦测区域的面积，进而进行所述目标污染预警区域占据所述目标侦测区域面积百分比计算，获得面积百分比作为所述环境自由度指数。
当所述环境自由度指数不满足所述区域自由度阈值时，生成所述第一污染预警指令，所述第一污染预警指令用于提示不特定用户所述目标侦测区域不适宜进入，以及提示物业或其他工作人员进行所述目标侦测区域的污染物浓度降低，从而恢复所述目标侦测区域的使用功能。本实施例通过设定区域自由度阈值实现了判断目标侦测区域是否可以正常进入的技术效果。
S600:基于所述目标污染预警区域生成第一污染预警指令。
具体而言，在本实施例中，当所述环境自由度指数不满足所述区域自由度阈值时，生成所述第一污染预警指令，当所述环境自由度指数满足所述区域自由度阈值时，则在所述目标污染预警区域生成第二污染预警指令，当不特定人或动物进入所述目标污染预警区域时，触发所述第二污染预警指令，以实现所述目标侦测区域除却目标污染预警区域以外区域的正常人类活动。
本实施例实现了准确获知目标侦测区域的环境污染状况，并生成较为精确的区域环境污染预警，为人类在目标侦测区域中的健康活动工作提供重要参考的技术效果。
在一个实施例中，对所述K个污染浓度极值进行寻优聚合，生成所述目标污染源，本申请提供的方法步骤S254还包括：
S254-1:基于所述K个污染浓度极值提取获得第二污染浓度极值；
S254-2:根据第二污染物浓度极值的位置标识，获得第二侦测巡航路径；
S254-3:根据所述第二侦测巡航路径进行相邻路径污染物浓度极值提取，获得第三污染物浓度极值和第四污染物浓度极值；
S254-4:基于所述第二污染浓度极值、所述第三污染物浓度极值和所述第四污染物浓度极值生成第一浓度极值序列；
S254-5:判断所述第二污染浓度极值是否为所述第一浓度极值序列的最大值；
S254-6:若所述第二污染浓度极值为所述第一浓度极值序列的最大值，则将所述第二污染浓度极值的位置标识作为所述目标污染源。
在一个实施例中，本申请提供的方法步骤还包括：
S255-1:判断所述第二污染浓度极值是否为所述第一浓度极值序列的最大值；
S255-2:若所述第二污染浓度极值不为所述第一浓度极值序列的最大值，则基于所述浓度极值序列提取获得序列浓度极值；
S255-3:根据所述序列浓度极值的位置标识，获得第三侦测巡航路径；
S255-4:根据所述第三侦测巡航路径进行相邻路径污染物浓度极值提取，获得第四污染物浓度极值和第五污染物浓度极值；
S255-5:基于所述序列浓度极值、所述第四污染物浓度极值和所述第五污染物浓度极值生成第二浓度极值序列；
S255-6:判断所述序列浓度极值是否为所述第二浓度极值序列的最大值；
S255-7:若所述序列浓度极值为所述第二浓度极值序列的最大值，则将所述序列浓度极值的位置标识作为所述目标污染源；
S255-8:以此类推，遍历所述K个污染浓度极值，获得所述目标侦测区域的若干个所述目标污染源。
具体而言，本实施例是步骤S200的细化，同时也是寻优获得目标污染源的最优实施例。
在本实施例中，基于所述K个污染浓度极值随机提取获得第二污染浓度极值。根据第二污染物浓度极值的位置标识，获得第二侦测巡航路径，所述第二侦测巡航路径途经第二污染物浓度极值所处的第二目标网格区域。
获得与所述第二侦测巡航路径平行的左右相邻两条侦测巡航路径，并进一步根据所述K个污染浓度极值与K条侦测巡航路径的映射关系，基于所述K个污染浓度极值提取获得第三污染物浓度极值和第四污染物浓度极。
根据污染浓度极值数据，对所述第二污染浓度极值、所述第三污染物浓度极值和所述第四污染物浓度极值进行排序，生成第一浓度极值序列。
判断所述第二污染浓度极值是否为所述第一浓度极值序列的最大值,若所述第二污染浓度极值为所述第一浓度极值序列的最大值，则表明第二污染物浓度极值所处目标网格区域的污染物浓度高于相邻区域，而污染物由污染源逐渐向外扩散污染物浓度逐渐降低，污染源周围的污染物浓度都低于污染源。因而本实施例将所述第二污染浓度极值的位置标识作为所述目标污染源。
若所述第二污染浓度极值不为所述第一浓度极值序列的最大值，则表明第二污染物浓度极值所处目标网格区域的污染物浓度低于相邻区域，第二污染物浓度极值所处目标网格区域为污染源的气体污染物扩散抵达区域。
因而基于所述浓度极值序列提取获得序列浓度极值，所述序列浓度极值对应于所述第三污染物浓度极值或所述第四污染物浓度极值。所述序列浓度极值所处目标网格区域向第二污染物浓度极值所处目标网格区域方向是气体污染物的扩散方向。因而所述序列浓度极值所处目标网格区域与目标污染物更加靠近获得所述序列浓度极值所处目标网格区域即为目标污染物所处区域。
本实施例根据所述序列浓度极值的位置标识，采用获得第二巡航侦测路径相同方法获得第三侦测巡航路径，根据所述第三侦测巡航路径进行相邻路径污染物浓度极值提取，获得第四污染物浓度极值和第五污染物浓度极值；基于所述序列浓度极值、所述第四污染物浓度极值和所述第五污染物浓度极值生成第二浓度极值序列；判断所述序列浓度极值是否为所述第二浓度极值序列的最大值；
若所述序列浓度极值为所述第二浓度极值序列的最大值，则表明目标污染源在所述序列浓度极值所处目标网格区域向四面八方释放气体污染物，本实施例将所述序列浓度极值的位置标识作为所述目标污染源。
所述目标侦测区域可能同时存在若干个目标污染源，因而本实施例需要采用如上方法，遍历所述K个污染浓度极值，获得所述目标侦测区域的若干个所述目标污染源。
在定位目标污染源所处的目标网格区域后，根据目标网格区域的位置坐标，控制所述环境污染巡航检测装置前往抵达，基于环境污染巡航检测装置上的图像采集装置采集获得目标污染源图像，并进行目标污染源的平面轮廓提取从而定位目标污染源的中心作为所述目标污染源的污染坐标参数。基于环境污染巡航检测装置对所述目标污染源的中心进行污染物浓度数据采集，获得所述污染起始浓度。
本实施例通过对所述K个污染浓度极值进行寻优聚合，实现了进行目标侦测区域中污染源的快速准确定位，从而为定位目标污染预警区域提供高可信度参考信息。
实施例二
基于与前述实施例中基于侦测巡航的环境预警方法相同的发明构思，如图4所示，本申请提供了基于侦测巡航的环境预警系统，其中，所述系统包括：
区域划分执行模块1，用于对目标侦测区域进行区域网格划分，获得P个目标网格区域，其中，P为正整数；
污染源定位模块2，用于遍历比对所述P个目标网格区域的污染浓度指数进行污染源定位，获得目标污染源，其中，所述目标污染源包括污染起始浓度和污染坐标参数；
环境数据监测模块3，用于交互获得所述目标侦测区域的环境监测数据；
扩散指数计算模块4，用于将所述环境监测数据和所述污染起始浓度输入预构建的污染扩散分析模型，获得目标污染扩散指数；
预警区域生成模块5，用于根据所述目标污染扩散指数和所述污染坐标参数定位目标污染预警区域；
污染预警执行模块6，用于基于所述目标污染预警区域生成第一污染预警指令。
在一个实施例中，所述系统还包括：
安全阈值设定单元，用于预设污染浓度安全阈值，并基于所述污染浓度安全阈值和所述目标污染扩散指数获得污染扩散安全半径；
预警区域定位单元，用于基于所述污染扩散安全半径和所述污染坐标参数在所述目标侦测区域内进行污染区域定位，获得所述目标污染预警区域；
自由度阈值生成单元，用于交互获得区域自由度阈值；
自由度指数计算单元，用于基于所述目标污染预警区域和所述目标侦测区域生成环境自由度指数；
自由度判断单元，用于当所述环境自由度指数不满足所述区域自由度阈值时，生成所述第一污染预警指令。
在一个实施例中，所述系统还包括：
路径间隔确定单元，用于根据所述P个目标网格区域生成路径间隔距离；
巡航路径生成单元，用于基于所述路径间隔距离在所述目标侦测区域生成K条侦测巡航路径，其中，所述K条侦测巡航路径相互平行；
网格区域划分单元，用于根据所述K条侦测巡航路径进行所述P个目标网格区域的组别划分，获得K组目标网格区域，其中，每组目标网格区域包括H个目标网格区域，H为正整数；
污染浓度采集单元，用于控制环境污染巡航检测装置基于所述K条侦测巡航路径完成所述P个目标网格区域的污染浓度采集，获得K组所述污染浓度指数；
污染源定位单元，用于基于K组所述污染浓度指数进行污染源定位，获得所述目标污染源。
在一个实施例中，所述系统还包括：
数据提取执行单元，用于基于所述K组污染浓度指数提取获得第一污染浓度指数集；
数据极值比对单元，用于遍历比对所述第一污染浓度指数集获得第一污染浓度极值，其中，所述第一污染浓度极值具有第一位置标识；
以此类推，获得所述K组污染浓度指数的K个污染浓度极值，其中，所述K个污染浓度极值具有K个位置标识；
寻优聚合执行单元，用于对所述K个污染浓度极值进行寻优聚合，生成所述目标污染源。
在一个实施例中，所述系统还包括：
浓度极值提取单元，用于基于所述K个污染浓度极值提取获得第二污染浓度极值；
导航路径反推单元，用于根据第二污染物浓度极值的位置标识，获得第二侦测巡航路径；
相邻数据提取单元，用于根据所述第二侦测巡航路径进行相邻路径污染物浓度极值提取，获得第三污染物浓度极值和第四污染物浓度极值；
极值序列生成单元，用于基于所述第二污染浓度极值、所述第三污染物浓度极值和所述第四污染物浓度极值生成第一浓度极值序列；
极值序列判断单元，用于判断所述第二污染浓度极值是否为所述第一浓度极值序列的最大值；
污染源生成单元，用于若所述第二污染浓度极值为所述第一浓度极值序列的最大值，则将所述第二污染浓度极值的位置标识作为所述目标污染源。
在一个实施例中，所述系统还包括：
极值序列判别单元，用于判断所述第二污染浓度极值是否为所述第一浓度极值序列的最大值；
序列极值提取单元，用于若所述第二污染浓度极值不为所述第一浓度极值序列的最大值，则基于所述浓度极值序列提取获得序列浓度极值；
导航路径获得单元，用于根据所述序列浓度极值的位置标识，获得第三侦测巡航路径；
极值提取执行单元，用于根据所述第三侦测巡航路径进行相邻路径污染物浓度极值提取，获得第四污染物浓度极值和第五污染物浓度极值；
极值序列化处理单元，用于基于所述序列浓度极值、所述第四污染物浓度极值和所述第五污染物浓度极值生成第二浓度极值序列；
序列位次判断单元，用于判断所述序列浓度极值是否为所述第二浓度极值序列的最大值；
污染定位执行单元，用于若所述序列浓度极值为所述第二浓度极值序列的最大值，则将所述序列浓度极值的位置标识作为所述目标污染源；
以此类推，遍历所述K个污染浓度极值，获得所述目标侦测区域的若干个所述目标污染源。
在一个实施例中，所述系统还包括：
污染类型获得单元，用于基于所述目标污染源获得目标污染类型；
样本数据采集单元，用于根据所述目标污染类型交互获得多组样本污染扩散数据，其中，每组样本污染扩散数据包括样本环境温度参数、样本环境湿度参数、样本污染源浓度参数和样本污染扩散指数；
样本数据标识单元，用于对所述多组样本污染扩散数据进行数据标识，获得构建训练数据集；
模型构建执行单元，用于基于BP神经网络，构建所述污染扩散分析模型；
模型训练执行单元，用于采用所述构建训练数据集对所述污染扩散分析模型进行迭代监督训练、验证和测试，直到所述污染扩散分析模型的准确率符合预设要求；
扩散指数输出单元，用于将所述环境监测数据和所述污染起始浓度输入所述污染扩散分析模型，获得所述目标污染扩散指数。
综上所述的任意一项方法或者步骤可作为计算机指令或程序存储在各种不限类型的计算机存储器中，通过各种不限类型的计算机处理器识别计算机指令或程序，进而实现上述任一项方法或者步骤。
基于本发明的上述具体实施例，本技术领域的技术人员在不脱离本发明原理的前提下，对本发明所作的任何改进和修饰，皆应落入本发明的专利保护范围。
Claims (3)
1.基于侦测巡航的环境预警方法，其特征在于，所述方法包括：
对目标侦测区域进行区域网格划分，获得P个目标网格区域，其中，P为正整数；
遍历比对所述P个目标网格区域的污染浓度指数进行污染源定位，获得目标污染源，其中，所述目标污染源包括污染起始浓度和污染坐标参数；
交互获得所述目标侦测区域的环境监测数据；
将所述环境监测数据和所述污染起始浓度输入预构建的污染扩散分析模型，获得目标污染扩散指数；
根据所述目标污染扩散指数和所述污染坐标参数定位目标污染预警区域；
基于所述目标污染预警区域生成第一污染预警指令；
根据所述目标污染扩散指数和所述污染坐标参数定位目标污染预警区域，包括：
预设污染浓度安全阈值，并基于所述污染浓度安全阈值和所述目标污染扩散指数获得污染扩散安全半径；
基于所述污染扩散安全半径和所述污染坐标参数在所述目标侦测区域内进行污染区域定位，获得所述目标污染预警区域；
交互获得区域自由度阈值；
基于所述目标污染预警区域和所述目标侦测区域生成环境自由度指数；
当所述环境自由度指数不满足所述区域自由度阈值时，生成所述第一污染预警指令；
遍历比对所述P个目标网格区域的污染浓度指数进行污染源定位，获得目标污染源，包括：
根据所述P个目标网格区域生成路径间隔距离；
基于所述路径间隔距离在所述目标侦测区域生成K条侦测巡航路径，其中，所述K条侦测巡航路径相互平行；
根据所述K条侦测巡航路径进行所述P个目标网格区域的组别划分，获得K组目标网格区域，其中，每组目标网格区域包括H个目标网格区域，H为正整数；
控制环境污染巡航检测装置基于所述K条侦测巡航路径完成所述P个目标网格区域的污染浓度采集，获得K组所述污染浓度指数；
基于K组所述污染浓度指数进行污染源定位，获得所述目标污染源；
基于K组所述污染浓度指数进行污染源定位，获得所述目标污染源，包括：
基于K组所述污染浓度指数提取获得第一污染浓度指数集；
遍历比对所述第一污染浓度指数集获得第一污染浓度极值，其中，所述第一污染浓度极值具有第一位置标识；
以此类推，获得所述K组污染浓度指数的K个污染浓度极值，其中，所述K个污染浓度极值具有K个位置标识；
对所述K个污染浓度极值进行寻优聚合，生成所述目标污染源；
对所述K个污染浓度极值进行寻优聚合，生成所述目标污染源，包括：
基于所述K个污染浓度极值提取获得第二污染浓度极值；
根据第二污染物浓度极值的位置标识，获得第二侦测巡航路径；
根据所述第二侦测巡航路径进行相邻路径污染物浓度极值提取，获得第三污染物浓度极值和第四污染物浓度极值；
基于所述第二污染浓度极值、所述第三污染物浓度极值和所述第四污染物浓度极值生成第一浓度极值序列；
判断所述第二污染浓度极值是否为所述第一浓度极值序列的最大值；
若所述第二污染浓度极值为所述第一浓度极值序列的最大值，则将所述第二污染浓度极值的位置标识作为所述目标污染源；
判断所述第二污染浓度极值是否为所述第一浓度极值序列的最大值；
若所述第二污染浓度极值不为所述第一浓度极值序列的最大值，则基于所述浓度极值序列提取获得序列浓度极值；
根据所述序列浓度极值的位置标识，获得第三侦测巡航路径；
根据所述第三侦测巡航路径进行相邻路径污染物浓度极值提取，获得第四污染物浓度极值和第五污染物浓度极值；
基于所述序列浓度极值、所述第四污染物浓度极值和所述第五污染物浓度极值生成第二浓度极值序列；
判断所述序列浓度极值是否为所述第二浓度极值序列的最大值；
若所述序列浓度极值为所述第二浓度极值序列的最大值，则将所述序列浓度极值的位置标识作为所述目标污染源；
以此类推，遍历所述K个污染浓度极值，获得所述目标侦测区域的若干个所述目标污染源。
2.如权利要求1所述的方法，其特征在于，将所述环境监测数据和所述污染起始浓度输入预构建的污染扩散分析模型，获得目标污染扩散指数，所述方法还包括：
基于所述目标污染源获得目标污染类型；
根据所述目标污染类型交互获得多组样本污染扩散数据，其中，每组样本污染扩散数据包括样本环境温度参数、样本环境湿度参数、样本污染源浓度参数和样本污染扩散指数；
对所述多组样本污染扩散数据进行数据标识，获得构建训练数据集；
基于BP神经网络，构建所述污染扩散分析模型；
采用所述构建训练数据集对所述污染扩散分析模型进行迭代监督训练、验证和测试，直到所述污染扩散分析模型的准确率符合预设要求；
将所述环境监测数据和所述污染起始浓度输入所述污染扩散分析模型，获得所述目标污染扩散指数。
3.基于侦测巡航的环境预警系统，其特征在于，所述系统包括：
区域划分执行模块，用于对目标侦测区域进行区域网格划分，获得P个目标网格区域，其中，P为正整数；
污染源定位模块，用于遍历比对所述P个目标网格区域的污染浓度指数进行污染源定位，获得目标污染源，其中，所述目标污染源包括污染起始浓度和污染坐标参数；
环境数据监测模块，用于交互获得所述目标侦测区域的环境监测数据；
扩散指数计算模块，用于将所述环境监测数据和所述污染起始浓度输入预构建的污染扩散分析模型，获得目标污染扩散指数；
预警区域生成模块，用于根据所述目标污染扩散指数和所述污染坐标参数定位目标污染预警区域；
污染预警执行模块，用于基于所述目标污染预警区域生成第一污染预警指令；
所述系统还包括：
安全阈值设定单元，用于预设污染浓度安全阈值，并基于所述污染浓度安全阈值和所述目标污染扩散指数获得污染扩散安全半径；
预警区域定位单元，用于基于所述污染扩散安全半径和所述污染坐标参数在所述目标侦测区域内进行污染区域定位，获得所述目标污染预警区域；
自由度阈值生成单元，用于交互获得区域自由度阈值；
自由度指数计算单元，用于基于所述目标污染预警区域和所述目标侦测区域生成环境自由度指数；
自由度判断单元，用于当所述环境自由度指数不满足所述区域自由度阈值时，生成所述第一污染预警指令；
路径间隔确定单元，用于根据所述P个目标网格区域生成路径间隔距离；
巡航路径生成单元，用于基于所述路径间隔距离在所述目标侦测区域生成K条侦测巡航路径，其中，所述K条侦测巡航路径相互平行；
网格区域划分单元，用于根据所述K条侦测巡航路径进行所述P个目标网格区域的组别划分，获得K组目标网格区域，其中，每组目标网格区域包括H个目标网格区域，H为正整数；
污染浓度采集单元，用于控制环境污染巡航检测装置基于所述K条侦测巡航路径完成所述P个目标网格区域的污染浓度采集，获得K组所述污染浓度指数；
污染源定位单元，用于基于K组所述污染浓度指数进行污染源定位，获得所述目标污染源；
数据提取执行单元，用于基于所述K组污染浓度指数提取获得第一污染浓度指数集；
数据极值比对单元，用于遍历比对所述第一污染浓度指数集获得第一污染浓度极值，其中，所述第一污染浓度极值具有第一位置标识；
以此类推，获得所述K组污染浓度指数的K个污染浓度极值，其中，所述K个污染浓度极值具有K个位置标识；
寻优聚合执行单元，用于对所述K个污染浓度极值进行寻优聚合，生成所述目标污染源；
浓度极值提取单元，用于基于所述K个污染浓度极值提取获得第二污染浓度极值；
导航路径反推单元，用于根据第二污染物浓度极值的位置标识，获得第二侦测巡航路径；
相邻数据提取单元，用于根据所述第二侦测巡航路径进行相邻路径污染物浓度极值提取，获得第三污染物浓度极值和第四污染物浓度极值；
极值序列生成单元，用于基于所述第二污染浓度极值、所述第三污染物浓度极值和所述第四污染物浓度极值生成第一浓度极值序列；
极值序列判断单元，用于判断所述第二污染浓度极值是否为所述第一浓度极值序列的最大值；
污染源生成单元，用于若所述第二污染浓度极值为所述第一浓度极值序列的最大值，则将所述第二污染浓度极值的位置标识作为所述目标污染源；
极值序列判别单元，用于判断所述第二污染浓度极值是否为所述第一浓度极值序列的最大值；
序列极值提取单元，用于若所述第二污染浓度极值不为所述第一浓度极值序列的最大值，则基于所述浓度极值序列提取获得序列浓度极值；
导航路径获得单元，用于根据所述序列浓度极值的位置标识，获得第三侦测巡航路径；
极值提取执行单元，用于根据所述第三侦测巡航路径进行相邻路径污染物浓度极值提取，获得第四污染物浓度极值和第五污染物浓度极值；
极值序列化处理单元，用于基于所述序列浓度极值、所述第四污染物浓度极值和所述第五污染物浓度极值生成第二浓度极值序列；
序列位次判断单元，用于判断所述序列浓度极值是否为所述第二浓度极值序列的最大值；
污染定位执行单元，用于若所述序列浓度极值为所述第二浓度极值序列的最大值，则将所述序列浓度极值的位置标识作为所述目标污染源；
以此类推，遍历所述K个污染浓度极值，获得所述目标侦测区域的若干个所述目标污染源。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310672164.8A CN116699072B (zh) | 2023-06-08 | 2023-06-08 | 基于侦测巡航的环境预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310672164.8A CN116699072B (zh) | 2023-06-08 | 2023-06-08 | 基于侦测巡航的环境预警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116699072A CN116699072A (zh) | 2023-09-05 |
| CN116699072B true CN116699072B (zh) | 2024-01-26 |
Family
ID=87832080
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310672164.8A Active CN116699072B (zh) | 2023-06-08 | 2023-06-08 | 基于侦测巡航的环境预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116699072B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117030634B (zh) * | 2023-10-09 | 2023-12-12 | 深圳市盘古环保科技有限公司 | 一种地下水污染快速检测修复方法 |
| CN117129638B (zh) * | 2023-10-26 | 2024-01-12 | 江西怡杉环保股份有限公司 | 一种区域空气环境质量监测方法及系统 |
Citations (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2005102381A (ru) * | 2005-01-31 | 2006-07-10 | Федеральное государственное унитарное предпри тие"Государственный ракетный центр "КБ им. акад. В.П. Макеева" (RU) | Автоматизированная система контроля качества атмосферного воздуха и способ формирования ее пространственной конфигурации |
| KR20130097832A (ko) * | 2012-02-27 | 2013-09-04 | 국방과학연구소 | 오염지역의 윤곽을 탐지하기 위하여 이동로봇의 경로를 설정하는 방법 및 이동로봇에 의해 탐지된 데이터를 이용하여 시간에 따라 확산되는 오염지역의 윤곽을 예측하는 방법 |
| CN104865353A (zh) * | 2015-06-01 | 2015-08-26 | 上海交通大学 | 基于无人机的工业园区大气污染数据采集方法 |
| KR20160021528A (ko) * | 2014-08-18 | 2016-02-26 | 한국과학기술연구원 | 대기 오염 모니터 방법 |
| WO2018098738A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳益强信息科技有限公司 | 一种基于航空航天多源遥感数据的监测方法及装置 |
| WO2018137103A1 (zh) * | 2017-01-24 | 2018-08-02 | 深圳企管加企业服务有限公司 | 一种基于多源遥感数据的流域污染检测方法及系统 |
| CN108648127A (zh) * | 2018-04-28 | 2018-10-12 | 北京航空航天大学 | 一种城市空气污染热点区域锁定方法 |
| CN109327804A (zh) * | 2018-08-14 | 2019-02-12 | 深圳市元征科技股份有限公司 | 环境质量监测方法、装置、服务器、车载终端及存储介质 |
| CN109765337A (zh) * | 2018-12-28 | 2019-05-17 | 北京英视睿达科技有限公司 | 一种污染源识别方法及其系统 |
| CN109781945A (zh) * | 2019-02-14 | 2019-05-21 | 北京市环境保护监测中心 | 一种基于移动装置的污染物区域间传输排查方法与系统 |
| 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 |
| CN110363347A (zh) * | 2019-07-12 | 2019-10-22 | 江苏天长环保科技有限公司 | 基于决策树索引的神经网络预测空气质量的方法 |
| WO2020010701A1 (zh) * | 2018-07-11 | 2020-01-16 | 平安科技（深圳）有限公司 | 污染物异常监测方法、系统、计算机设备和存储介质 |
| CN111879893A (zh) * | 2020-06-30 | 2020-11-03 | 海湾环境科技（北京）股份有限公司 | 一种污染物监测装置、监测方法和管控方法 |
| CN111912937A (zh) * | 2020-07-20 | 2020-11-10 | 清华大学 | 一种室内突发污染物智能实时溯源方法及系统 |
| CN112684134A (zh) * | 2020-12-18 | 2021-04-20 | 江苏省苏力环境科技有限责任公司 | 基于关联分析的水环境分析方法、系统、终端和存储介质 |
| CN113447623A (zh) * | 2021-09-02 | 2021-09-28 | 航天宏图信息技术股份有限公司 | 一种大气环境监测方法及系统 |
| CN114088885A (zh) * | 2021-11-22 | 2022-02-25 | 安徽中科大赛悟科技有限公司 | 一种大气污染物走航检测系统 |
| CN114280695A (zh) * | 2017-05-09 | 2022-04-05 | 西南石油大学 | 一种空气污染物监测预警方法及云平台 |
| CN114371260A (zh) * | 2022-01-17 | 2022-04-19 | 上海蓝科石化环保科技股份有限公司 | 一种工业企业无组织VOCs网格化监测、扩散预警及溯源方法 |
| CN114755373A (zh) * | 2022-06-16 | 2022-07-15 | 西安工业大学 | 一种基于多机器人编队的空气污染源预警定位方法 |
| CN114819411A (zh) * | 2022-06-23 | 2022-07-29 | 航天宏图信息技术股份有限公司 | 一种基于走航监测车的大气污染物排放溯源方法和装置 |
| CN114818391A (zh) * | 2022-06-28 | 2022-07-29 | 北京化工大学 | 一种基于多溯源模型的污染源浓度智能分析方法 |
| CN115017679A (zh) * | 2022-05-07 | 2022-09-06 | 深圳中兴智坪科技有限公司 | 大气污染扩散的模拟方法、装置、存储介质和电子设备 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105608697B (zh) * | 2015-12-24 | 2018-04-13 | 电子科技大学 | 基于遥感气溶胶和萤火虫群算法的空气污染源识别方法 |
| CN111914468A (zh) * | 2020-06-12 | 2020-11-10 | 中国环境科学研究院 | 一种空气污染智能监控分析方法及装置 |
| CN111897318B (zh) * | 2020-06-12 | 2021-11-23 | 中国环境科学研究院 | 基于无人船的水体污染智能调查方法及装置 |
-
2023
- 2023-06-08 CN CN202310672164.8A patent/CN116699072B/zh active Active
Patent Citations (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2005102381A (ru) * | 2005-01-31 | 2006-07-10 | Федеральное государственное унитарное предпри тие"Государственный ракетный центр "КБ им. акад. В.П. Макеева" (RU) | Автоматизированная система контроля качества атмосферного воздуха и способ формирования ее пространственной конфигурации |
| KR20130097832A (ko) * | 2012-02-27 | 2013-09-04 | 국방과학연구소 | 오염지역의 윤곽을 탐지하기 위하여 이동로봇의 경로를 설정하는 방법 및 이동로봇에 의해 탐지된 데이터를 이용하여 시간에 따라 확산되는 오염지역의 윤곽을 예측하는 방법 |
| KR20160021528A (ko) * | 2014-08-18 | 2016-02-26 | 한국과학기술연구원 | 대기 오염 모니터 방법 |
| CN104865353A (zh) * | 2015-06-01 | 2015-08-26 | 上海交通大学 | 基于无人机的工业园区大气污染数据采集方法 |
| WO2018098738A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳益强信息科技有限公司 | 一种基于航空航天多源遥感数据的监测方法及装置 |
| WO2018137103A1 (zh) * | 2017-01-24 | 2018-08-02 | 深圳企管加企业服务有限公司 | 一种基于多源遥感数据的流域污染检测方法及系统 |
| CN114280695A (zh) * | 2017-05-09 | 2022-04-05 | 西南石油大学 | 一种空气污染物监测预警方法及云平台 |
| CN108648127A (zh) * | 2018-04-28 | 2018-10-12 | 北京航空航天大学 | 一种城市空气污染热点区域锁定方法 |
| WO2020010701A1 (zh) * | 2018-07-11 | 2020-01-16 | 平安科技（深圳）有限公司 | 污染物异常监测方法、系统、计算机设备和存储介质 |
| CN109327804A (zh) * | 2018-08-14 | 2019-02-12 | 深圳市元征科技股份有限公司 | 环境质量监测方法、装置、服务器、车载终端及存储介质 |
| CN109765337A (zh) * | 2018-12-28 | 2019-05-17 | 北京英视睿达科技有限公司 | 一种污染源识别方法及其系统 |
| CN109781945A (zh) * | 2019-02-14 | 2019-05-21 | 北京市环境保护监测中心 | 一种基于移动装置的污染物区域间传输排查方法与系统 |
| 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 |
| CN110363347A (zh) * | 2019-07-12 | 2019-10-22 | 江苏天长环保科技有限公司 | 基于决策树索引的神经网络预测空气质量的方法 |
| CN111879893A (zh) * | 2020-06-30 | 2020-11-03 | 海湾环境科技（北京）股份有限公司 | 一种污染物监测装置、监测方法和管控方法 |
| CN111912937A (zh) * | 2020-07-20 | 2020-11-10 | 清华大学 | 一种室内突发污染物智能实时溯源方法及系统 |
| CN112684134A (zh) * | 2020-12-18 | 2021-04-20 | 江苏省苏力环境科技有限责任公司 | 基于关联分析的水环境分析方法、系统、终端和存储介质 |
| CN113447623A (zh) * | 2021-09-02 | 2021-09-28 | 航天宏图信息技术股份有限公司 | 一种大气环境监测方法及系统 |
| CN114088885A (zh) * | 2021-11-22 | 2022-02-25 | 安徽中科大赛悟科技有限公司 | 一种大气污染物走航检测系统 |
| CN114371260A (zh) * | 2022-01-17 | 2022-04-19 | 上海蓝科石化环保科技股份有限公司 | 一种工业企业无组织VOCs网格化监测、扩散预警及溯源方法 |
| CN115017679A (zh) * | 2022-05-07 | 2022-09-06 | 深圳中兴智坪科技有限公司 | 大气污染扩散的模拟方法、装置、存储介质和电子设备 |
| CN114755373A (zh) * | 2022-06-16 | 2022-07-15 | 西安工业大学 | 一种基于多机器人编队的空气污染源预警定位方法 |
| CN114819411A (zh) * | 2022-06-23 | 2022-07-29 | 航天宏图信息技术股份有限公司 | 一种基于走航监测车的大气污染物排放溯源方法和装置 |
| CN114818391A (zh) * | 2022-06-28 | 2022-07-29 | 北京化工大学 | 一种基于多溯源模型的污染源浓度智能分析方法 |
Non-Patent Citations (8)
| Title |
|---|
| 化工园区大气特征污染物在线监控布点方法探讨;姚宇坤;赵秋月;沈振恺;;青海环境(第02期);全文 * |
| 化工开发区突发性大气污染事故预测预警系统建设架构;吴健伟;薛锐;陈希;;环境监控与预警(第06期);全文 * |
| 基于WebGIS的环境污染物扩散预测分析系统设计与实现;许志伟;易加仁;;科技风(第24期);全文 * |
| 基于大气特征污染物的监测布点选址优化研究;秦怡雯;钱瑜;荣婷婷;;中国环境科学(第04期);全文 * |
| 大气环境热点网格遥感筛选方法研究;陈辉;王桥;厉青;王中挺;马鹏飞;周春艳;毛慧琴;;中国环境科学(第07期);全文 * |
| 室内多参数监测机器人的研制;马明;制造业自动化;第33卷(第11期);第28-30页，第1-2节，图1-3 * |
| 无人机监测在城市环境大气污染物扩散数值模拟中的应用;张晓旭;王丹;;环境监测管理与技术(第02期);全文 * |
| 行为规划和浓度梯度法联合的河道污染源追踪定位方法;汤雪萍;鲁天龙;黄平捷;侯迪波;张光新;;浙江大学学报(工学版)(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116699072A (zh) | 2023-09-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116699072B (zh) | 基于侦测巡航的环境预警方法 | |
| US20210389766A1 (en) | Methods and Apparatuses for Water Body Pollution Intelligent Investigation Utilizing Unmanned Ships | |
| Sun et al. | Modeling carbon emissions from urban traffic system using mobile monitoring | |
| Jiang et al. | MAQS: a personalized mobile sensing system for indoor air quality monitoring | |
| CN104950076B (zh) | 移动互联网平台空气质量监测方法和系统 | |
| Poh Lam et al. | Occupancy detection through an extensive environmental sensor network in an open-plan office building | |
| CN109444232A (zh) | 一种多通道智能化污染气体监测装置与扩散溯源方法 | |
| CN108734129A (zh) | 手机及车辆定位分析方法及系统 | |
| CN110175507B (zh) | 模型评估方法、装置、计算机设备和存储介质 | |
| CN108693309A (zh) | 一种污染物检测系统、方法及存储介质 | |
| US6623975B1 (en) | Method and system for vehicle emission testing | |
| JP7479444B2 (ja) | メタンピーク検出 | |
| CN110046834A (zh) | 工作场所有害气体健康风险定量评估系统及其评估方法 | |
| CN111912937B (zh) | 一种室内突发污染物智能实时溯源方法及系统 | |
| CN116518504A (zh) | 一种室内空气环境空间分布分析系统 | |
| CN112783988A (zh) | 一种空调通风系统内部环境参数的监测反馈及分析方法 | |
| CN115578227A (zh) | 一种基于多源数据确定大气颗粒物污染重点区域的方法 | |
| CN116989802A (zh) | 一种基于gis与bim模型的idc机房巡检计划配置策略方法 | |
| CN113947504B (zh) | 一种基于随机森林法的窃电分析方法及其系统 | |
| CN117760344A (zh) | 一种土建工程用墙体平整度检测系统及检测方法 | |
| Konior et al. | A concept of extension of the OnDynamic system with module for monitoring road traffic impact on the urban environment | |
| CN117189309A (zh) | 一种智算中心柴油发电机组的噪声降低方法及装置 | |
| CN116772125A (zh) | 一种输油场站管道巡检系统和方法 | |
| CN111477012A (zh) | 基于路况状态预测模型的溯源方法、装置和计算机设备 | |
| CN117010915A (zh) | 一种基于物联网技术的碳排放目标识别及监测系统 |
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 |