CN116720788A - 基于多源数据的空气质量智能评估方法及系统 - Google Patents
基于多源数据的空气质量智能评估方法及系统 Download PDFInfo
- Publication number
- CN116720788A CN116720788A CN202310979662.7A CN202310979662A CN116720788A CN 116720788 A CN116720788 A CN 116720788A CN 202310979662 A CN202310979662 A CN 202310979662A CN 116720788 A CN116720788 A CN 116720788A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- node
- data
- air quality
- channel
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 claims abstract description 265
- 238000004364 calculation method Methods 0.000 claims abstract description 49
- 238000009826 distribution Methods 0.000 claims abstract description 33
- 238000000605 extraction Methods 0.000 claims abstract description 26
- 238000001303 quality assessment method Methods 0.000 claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 14
- 238000013441 quality evaluation Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims description 57
- 238000012937 correction Methods 0.000 claims description 25
- 238000013524 data verification Methods 0.000 claims description 17
- 230000003993 interaction Effects 0.000 claims description 16
- 230000000694 effects Effects 0.000 abstract description 12
- 238000010276 construction Methods 0.000 abstract description 5
- 238000009430 construction management Methods 0.000 abstract description 5
- 230000006872 improvement Effects 0.000 abstract description 5
- 238000007726 management method Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 3
- 239000003570 air Substances 0.000 description 134
- 239000007789 gas Substances 0.000 description 27
- 238000004458 analytical method Methods 0.000 description 24
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000013480 data collection Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009776 industrial production Methods 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
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009711 regulatory function Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
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
- G01N33/0068—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 computer specifically programmed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Medicinal Chemistry (AREA)
- Biochemistry (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Food Science & Technology (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了基于多源数据的空气质量智能评估方法及系统,涉及数据处理技术领域,通过基于质量评估需求信息生成初始分布采集网格节点的节点密度,基于区域信息获得区域特征提取结果并生成网格关联系数以修正节点密度;基于修正节点密度配置双通道监测模块执行监测区域的区域数据采集将获得的监测数据集进行空气质量计算获得空气质量标识结果。解决了现有技术中存在对于城市空气质量监测较为笼统,导致所获城市空气质量监测结果的可参考性较低,对于城市建设规划管理助力甚微的技术问题。达到了提高城市区域空气质量评估准确度和可信性,为进行城市建设管理,提高城市空气质量提供高可信参考数据的技术效果。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及基于多源数据的空气质量智能评估方法及系统。
背景技术
随着城市化进程的加快和经济的发展,城市化的副作用也日益凸显,其中空气质量问题已经成为了人们最为关心的问题之一。
然而,在目前城市空气质量监测中,由于监测手段、指标设置、数据采集等方面的限制,往往是笼统的测量结果,不能真正反映出城市环境中的细微变化,导致测定结果的可参考性较低,在进行城市规划建设管理中的作用较小。
现有技术中存在对于城市空气质量监测较为笼统,导致所获城市空气质量监测结果的可参考性较低,对于城市建设规划管理助力甚微的技术问题。
发明内容
本申请提供了基于多源数据的空气质量智能评估方法及系统,用于针对解决现有技术中存在对于城市空气质量监测较为笼统,导致所获城市空气质量监测结果的可参考性较低,对于城市建设规划管理助力甚微的技术问题。
鉴于上述问题,本申请提供了基于多源数据的空气质量智能评估方法及系统。
本申请的第一个方面,提供了基于多源数据的空气质量智能评估方法,所述方法包括:交互质量评估需求信息,基于所述质量评估需求信息生成质量检测约束;通过所述质量检测约束初始分布采集网格节点的节点密度;交互目标监测区域的区域信息,基于所述区域信息进行区域特征提取,获得区域特征提取结果;通过所述区域特征提取结果生成网格关联系数,通过所述网格关联系数对所述节点密度调整,生成修正节点密度;基于所述修正节点密度配置双通道监测模块,通过所述双通道监测模块执行所述目标监测区域的区域数据采集,构建监测数据集,其中,所述监测数据集带有位置标识、时间标识和通道标识;基于所述监测数据集进行所述目标监测区域的空气质量计算,获得空气质量标识结果。
本申请的第二个方面,提供了基于多源数据的空气质量智能评估系统,所述系统包括:评估需求交互模块,用于交互质量评估需求信息,基于所述质量评估需求信息生成质量检测约束;节点密度约束模块,用于通过所述质量检测约束初始分布采集网格节点的节点密度;区域信息交互模块,用于交互目标监测区域的区域信息,基于所述区域信息进行区域特征提取,获得区域特征提取结果;节点密度修正模块,用于通过所述区域特征提取结果生成网格关联系数,通过所述网格关联系数对所述节点密度调整,生成修正节点密度;检测模块配置模块,用于基于所述修正节点密度配置双通道监测模块,通过所述双通道监测模块执行所述目标监测区域的区域数据采集,构建监测数据集,其中,所述监测数据集带有位置标识、时间标识和通道标识;空气质量计算模块,用于基于所述监测数据集进行所述目标监测区域的空气质量计算,获得空气质量标识结果。
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交互质量评估需求信息,基于所述质量评估需求信息生成质量检测约束;通过所述质量检测约束初始分布采集网格节点的节点密度;交互目标监测区域的区域信息,基于所述区域信息进行区域特征提取,获得区域特征提取结果;通过所述区域特征提取结果生成网格关联系数,通过所述网格关联系数对所述节点密度调整,生成修正节点密度,通过基于用户监测指标需求以及监测区域人口密度及建筑面积信息进行多维数据采集和空气采样监测节点优化,实现了获得能够对目标监测区域中空气进行有效样本采集的所述修正节点密度,间接提高空气样本采集可信性,为获得能够准确反映目标监测区域内检测指标气体浓度状况的数据提供空气样本采集位点;基于所述修正节点密度配置双通道监测模块,通过所述双通道监测模块执行所述目标监测区域的区域数据采集,构建监测数据集,其中,所述监测数据集带有位置标识、时间标识和通道标识;基于所述监测数据集进行所述目标监测区域的空气质量计算,获得空气质量标识结果,获得表征目标监测区域中若干个监测节点的局部空气组分浓度均值的空气质量标识结果。达到了提高城市区域空气质量评估准确度和可信性,为进行城市建设管理,提高城市空气质量提供高可信参考数据的技术效果。
附图说明
图1为本申请提供的基于多源数据的空气质量智能评估方法流程示意图;
图2为本申请提供的基于多源数据的空气质量智能评估方法中获得空气质量标识结果的流程示意图;
图3为本申请提供的基于多源数据的空气质量智能评估方法中生成关联数据的流程示意图;
图4为本申请提供的基于多源数据的空气质量智能评估系统的结构示意图。
附图标记说明:评估需求交互模块1,节点密度约束模块2,区域信息交互模块3,节点密度修正模块4,检测模块配置模块5, 空气质量计算模块6。
具体实施方式
本申请提供了基于多源数据的空气质量智能评估方法及系统,用于针对解决现有技术中存在对于城市空气质量监测较为笼统,导致所获城市空气质量监测结果的可参考性较低,对于城市建设规划管理助力甚微的技术问题。达到了提高城市区域空气质量评估准确度和可信性,为进行城市建设管理,提高城市空气质量提供高可信参考数据的技术效果。
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,本申请提供了基于多源数据的空气质量智能评估方法,所述方法包括:
S100:交互质量评估需求信息,基于所述质量评估需求信息生成质量检测约束;
S200:通过所述质量检测约束初始分布采集网格节点的节点密度;
具体而言,应理解的,不同主体在进行城市空气质量评估时,其评估侧重点存在差异性,例如化工企业侧重于监测与企业排放的气体组分相关联的空气质量组分,而公益性或存在管理职能的环保机构在进行城市空气质量评估时,则侧重于对城市居民身体产生不良影响的空气组分测定。
因而在本实施例中,通过与计划进行空气质量测定评估的不特定主体进行信息交互,以获得所述质量评估需求信息,所述质量评估需求信息为评估主体侧重进行的一种或多种气体组分。例如当化工厂作为空气检测主体时,所述质量评估需求信息为二氧化硫浓度、一氧化碳浓度、氮氧化物浓度、臭氧浓度。
基于所述质量评估需求信息提取获得若干种气体检测指标,作为所述质量检测约束,应理解的,后续在测点进行气体样本采集后,参考质量检测约束中的若干个气体检测指标对气体样本对应进行若干个气体监测指标的浓度测定。
在本实施例中获得所述质量检测约束中若干个气体检测指标进行环境气体浓度检测时,采集网格节点的标准节点布设密度。
示例性的,根据相关的行业标准《城市环境空气质量监测规范》(HJ618-2011)获知,对于开阔区域(城市)内二氧化硫浓度这一气体检测指标的监测,应该将监测网格划分为小于25km²的开阔区域,即二氧化硫的标准节点布设密度为25km²/个。
采用相同方法获得若干个气体检测指标的若干个标准节点布设密度,进而序列化若干个标准节点布设密度,从而提取获得最小标准节点布设密度,作为初始分布采集网格节点的节点密度,以实现所述质量检测约束中若干个气体检测指标得以有效进行空气样本采集。
S300:交互目标监测区域的区域信息,基于所述区域信息进行区域特征提取,获得区域特征提取结果;
S400:通过所述区域特征提取结果生成网格关联系数,通过所述网格关联系数对所述节点密度调整,生成修正节点密度;
具体而言,在本实施例中,所述目标监测区域为某个城区,通过与互联网交互获得表征目标监测区域建筑信息、城市人口密度的所述区域信息。
基于所述区域信息提取获得目标监测区域人口密度特征(万人)和城市建筑土地面积特征(km²)作为所述区域特征提取结果。将所述区域特征提取结果遍历《环境空气质量监测规范》,获得与所述区域特征提取结果的人口密度特征和城市建筑土地面积特征存在映射关系的建成区城市人口和建成区面积,进一步获得该建成区城市人口和建成区面积对应的环境空气质量评价点设置数量要求。将当前获得的环境空气质量评价点设置数量要求作为网格关联系数。
对所述网格关联系数和所述节点密度进行单位统一化,以获得表征相同面积(单位面积)内节点布设数量的网格关联系数和所述节点密度,比对两者数值大小,保留较大数据值的一方作为所述修正节点密度,所述修正节点密度表征在目标监测区域单位面积内的空气采样节点的布设数量。
本实施例以所述目标监测区域平面某一点为原点建立平面直角坐标系,参考所述修正节点密度将目标监测区域采用方格形式进行网格划分,获得修正网格,将每个修正网格的网格中心点作为该网格区域的空气样本数据采集点,从而获得映射于修正网格的修正网格位点。同时,获得修正网格位点中每个监测节点在平面直角坐标系中的位置坐标。
在本实施例中,在每个监测节点进行空气采样以及任一空气组分浓度分析的处理方法具有一致性,因而本实施例后续以在修正网格位点中任一监测节点进行所述质量检测约束中任一气体的气体检测指标(第一气体检测指标)的浓度计算为例,进行所述目标监测区域空气质量评估具体方法的阐述。
本实施例通过基于用户监测指标需求以及监测区域人口密度及建筑面积信息进行多维数据采集和空气采样监测节点优化,实现了获得能够对目标监测区域中空气进行有效样本采集的所述修正节点密度,间接达到了提高空气样本采集可信性,为获得能够准确反映目标监测区域内检测指标气体浓度状况的数据提供空气样本采集位点的技术效果。
S500:基于所述修正节点密度配置双通道监测模块,通过所述双通道监测模块执行所述目标监测区域的区域数据采集,构建监测数据集,其中,所述监测数据集带有位置标识、时间标识和通道标识;
在一个实施例中,本申请提供的方法步骤还包括:
S510:配置所述双通道的通道分布权值,其中,第一通道分布权值为,第二通道分布权值为;
S520:通过公式进行第个监测节点的空气质量计算,计算公式如下:
其中,为监测时间节点,且,为大于3的整数,为第个监测节点在个时段下的监测平均值,为第个监测点在第个时段的监测数据,为第一通道监测数据,为第二通道监测数据,为第一通道分布权值,为第二通道分布权值;
S530:根据监测节点的数据计算结果获得所述空气质量标识结果。
在一个实施例中,本申请提供的方法步骤还包括:
S531:对所述监测时间节点进行节点分类,生成节点分类标识;
S532:通过所述节点分类标识进行第个监测节点的空气质量计算分类;
S533:根据计算分类结果生成所述数据计算结果。
具体而言,应理解的,由于汽车行驶及居民活动,同一位置不同高度的气体组分浓度存在微小差异,这一微小差异则会导致空气质量预测结果存在偏差。因而为消除偏差本实施例对所述修正网格位点中每个监测节点布设一高一低两个空气采集分析装置,例如在距离地面2m高及50m高处分别布设。
同时配置双通道监测模块,双通道监测模块的第一数据通道采集修正网格位点中所有低位置空气采集分析装置给出的第一气体浓度数据,第二数据通道采集修正网格位点中所有高位置空气采集分析装置给出的第二气体浓度数据,以实现通过所述双通道监测模块执行所述目标监测区域的区域数据采集。
预设监测时间节点,所述监测时间节点由预设数据采集周期和数据采集频次构成,例如3min一次,共采集n次。所述双通道监测模块基于预设监测时间节点进行目标监测区域中的修正采集位点的数据采集,以构建监测数据集,所述监测数据集带有修正采集位点的监测节点位置标识、数据采集时间标识和数据通道标识。
配置所述双通道的通道分布权值,第一通道分布权值为,第二通道分布权值为,本实施例对于通道分布权值的具体数值不做限制,可根据目标监测区域的人口流动,汽车保有量等信息综合生成。
在本实施例中,通过公式进行第个监测节点(修正采集位点中任一监测节点)的第一气体检测指标的空气质量计算,具体计算公式如下:
其中,为监测时间节点,且,为大于3的整数,为第个监测节点在个时段下的监测平均值,为第个监测点在第个时段的监测数据,为第一通道监测数据,为第二通道监测数据,为第一通道分布权值,为第二通道分布权值。
将基于双通道监测模块获得第个监测节点在预设监测时间节点的监测数据集,基于数据采集周期逐一输入上述计算公式中,计算获得数据计算结果作为表征第个监测节点的第一气体检测指标浓度的所述空气质量标识结果。
采用获得第一气体检测指标的空气质量标识结果相同方法,获得质量检测约束中若干个气体检测指标的空气质量标识结果,作为第个监测节点整体的空气质量标识结果。
采用获得第个监测节点整体的空气质量标识结果相同方法,获得修正网格位点中所有监测节点整体的空气质量标识结果,作为目标监测区域整体的空气质量标识结果。
在本实施例中,基于上述方法获得的目标监测区域整体的空气质量标识结果为一个较长时间跨度内,目标监测区域的空气质量情况。为进一步提高所述空气质量标识结果的准确度。
本实施例根据目标监测区域的居民流动频繁时间节点即早高峰、午高峰及晚高峰,预设节点分类阈值,对所述监测时间节点进行节点分类。基于预设节点分类阈值遍历所述监测数据集,从而将所述监测数据集标识划分为多个监测数据子集,并采用节点分类标识进行多个监测数据子集的数据分类标识。
对于多个监测数据子集采用前述获得目标监测区域整体的空气质量标识结果相同方法,获得目标监测区域在多个时间段的空气质量标识结果。
本实施例基于时间节点进行监测数据集分类,并进行空气质量标识结果获取,实现了获得表征目标监测区域在不同时间段内多种空气组分浓度均值的空气质量标识结果的技术效果。
S600:基于所述监测数据集进行所述目标监测区域的空气质量计算,获得空气质量标识结果。
在一个实施例中,如图2所示,本申请提供的方法步骤还包括:
S610:基于所述修正节点密度定位所述监测节点的相邻节点;
S620:配置相邻节点的初始关联比例;
S630:基于所述修正节点密度获得所述监测节点与所述相邻节点的节点间距离;
S640:依据所述节点间距离和所述初始关联比例对所述相邻节点的数据计算结果进行加权计算,生成关联数据;
S650:通过所述关联数据对所述监测节点的数据计算结果进行结果修正,基于结果修正结果获得所述空气质量标识结果。
在一个实施例中,如图3所示,本申请提供的方法步骤还包括:
S631:基于所述区域特征提取结果进行区域间关联评价,生成区域关联值;
S632:对所述监测节点和所述相邻节点进行节点区域标识;
S633:根据节点区域标识结果和所述区域关联值生成节点间关联值;
S634:依据所述节点间关联值、所述节点间距离和所述初始关联比例对所述相邻节点的数据计算结果进行加权计算,生成关联数据。
具体而言,本实施例在步骤S500的细化S510~S530以及S531~S533详细阐述了基于所述监测数据集进行所述目标监测区域的修正网格位点中每个监测节点的空气质量计算,获得每个监测节点的空气质量标识结果的方法,因而在步骤S600对此再不做重复阐述。
为提高获得目标监测区域的空气质量标识结果的准确度,本实施例基于所述修正节点密度获得所述修正网格位点,进而定位获得所述修正网格位点中多个监测节点之间相邻关系。
在进行目标监测区域中某个监测节点的空气质量标识结果精确采集时,本实施例将该监测节点定义为第一监测节点,并根据预先定位获得所述修正网格位点中多个监测节点之间相邻关系,提取获得与第一监测节点相邻的H个相邻节点,进而基于平面直角坐标系获得第一监测节点和H个相邻节点的位置坐标,从而获得H个空间距离数据。
基于所述区域特征提取结果获得所述目标监测区域的工业区、住宅区分布,进一步根据当前时间节点,获得目标监测区域的风向。根据所述目标监测区域的工业区和住宅区,对修正网格位点中的多个监测节点所归属局部区域进行工业区或住宅区标识。进而获得H个相邻节点所述区域的区域类型(工业区或住宅区)。
配置第一监测节点和H个相邻节点的H个初始关联比例,所述初始关联比例反映了相邻节点空气质量变化对于第一监测节点所处修正网格的环境空气质量的干扰权重。
所述区域关联值的取值为0或1,当H个相邻节点中某一相邻节点所述区域的区域类型与第一监测节点所属区域类型一致,即都为工业区或住宅区时,该相邻节点的区域关联值为1,反之为0。基于区域关联值判断方法,获得H个相邻节点的H个区域关联值。
应理解的,由于本实施例中对于目标监测区域基于修正节点密度进行标准方格形式的网格化划分,因而存在所述监测节点与相邻节点存在相邻关系,而监测节点与相邻节点所处区域之间间隔一个监测阶段所处区域的情况。
因而本实施例根据所述第一监测节点和所述相邻节点所处网格区域是否存在相邻关系进行H个相邻节点的节点区域标识。具体的,第一监测节点与某一相邻节点所处两个网格区域也相邻,则该相邻节点的节点区域标识结果为0,反之第一监测节点与某一相邻节点所处两个网格区域间隔一个网格区域,则该相邻节点的节点区域标识结果为1。将H个相邻节点的节点区域标识结果和所述区域关联值加和,生成H个节点间关联值。
基于H个节点关联值、H个节点间距离和H个初始关联比例随机提取获得第一相邻节点的第一节点关联值、第一节点间距离和第一初始关联比例。
将第一节点关联值和第一初始关联比例加和并均值计算,将加和均值计算结果和第一节点间距离相乘,获得第一相邻节点的关联数据。采用相同方法获得H个相邻节点的关联数据,进一步加和生成所述关联数据。
通过所述关联数据对所述第一监测节点的数据计算结果进行结果修正,基于结果修正结果获得第一监测节点的所述空气质量标识结果。达到了基于多源数据采集提高分析获得的城市区域空气质量评估结果的准确度和可信性,为进行城市建设管理,提高城市空气质量提供高可信参考数据的技术效果。
在一个实施例中,本申请提供的方法步骤还包括:
S541:基于所述监测数据集进行双通道的通道采集数据验证;
S542:获得同监测节点下的双通道数据验证差值;
S543:判断所述双通道数据验证差值是否满足预设差值阈值;
S544:若所述双通道数据验证差值满足所述预设差值阈值时,则生成辅助检测指令;
S545:通过所述辅助检测指令控制进行对应监测节点的数据采集;
S546:根据辅助数据采集结果进行所述监测数据集数据更新。
在一个实施例中,本申请提供的方法步骤还包括:
S546-1:判断所述辅助数据采集结果是否与源数据为一致监测数据;
S546-2:若判断所述辅助数据采集结果与所述源数据为一致监测数据时,则生成对应监测节点的节点预警信息;
S546-3:根据所述节点预警信息进行对应监测节点的监测标识。
具体而言,基于前述构建双通道监测模块可知,本实施例为消除数据采集偏差对所述修正网格位点中每个监测节点均布设一高一低两个空气采集分析装置,且一高一低两个空气采集分析装置的空气组分浓度采集分析结果分别输入到双通道监测模块的两个数据通道中。
应理解的,一高一低两个空气采集分析装置的空气组分浓度分析结果存在微小差异,如若差异较大,则是某个空气采集分析装置存在故障,需要进行空气采集分析装置维修更换处理。
具体判断处于修正网格位点中同一网格位点一高一低位置的两个空气采集分析装置是否存在故障的优选方法如下。
对所述监测数据集按照修正网格位点进行数据拆分获得所述修正网格位点中,每一监测节点在相同监测时间节点内针对于质量检测约束中若干个气体检测指标的若干组双通道空气组分浓度数据,进一步对若干组双通道空气组分浓度数据进行差值计算,获得若干个双通道数据验证差值。
预设判断空气采集分析装置是否存在故障的预设差值阈值,判断当前获得的质量检测约束中若干个气体检测指标的若干个所述双通道数据验证差值是否满足预设差值阈值。
当若干个所述双通道数据验证差值任一双通道数据验证差值满足所述预设差值阈值时,则表明该监测节点的两个空气采集分析装置存在故障。进而生成辅助检测指令,通过所述辅助检测指令调用一组辅助空气采集分析装置替换当前的空气采集分析装置,辅助进行对应监测节点的数据采集,获得辅助数据采集结果,根据辅助数据采集结果进行所述监测数据集中对应监测节点的数据更新。基于上述方法遍历修正网格位点中每个监测节点,以实现获得高准确度的空气组分浓度监测数据。
本实施例实现了精准验证空气采集分析装置是否存在故障,从而避免采用存在故障的空气采集分析装置进行空气组分浓度采集分析,间接实现了提高进行空气质量评估准确度的技术效果。
所述源数据为对所述监测数据集按照修正网格位点进行数据拆分获得所述修正网格位点中,每一监测节点在相同监测时间节点内针对于质量检测约束中若干个气体检测指标的若干组双通道空气组分浓度数据。
为确定原本的两个空气采集分析装置哪一为故障装置,本实施例在基于辅助空气采集分析装置获得某个监测节点的辅助数据采集结果后。
本实施例将所述辅助数据采集结果与源数据基于质量检测约束进行映射比对,确定采集获得源数据的两个空气采集分析装置中哪一空气采集分析装置所获监测数据与所述辅助数据采集结果为一致监测数据。
若所述辅助数据采集结果与所述源数据为一致监测数据时,则表明该监测节点实际环境不同海拔高度的空气组分浓度差异较大,因而生成对应监测节点的节点预警信息,所述节点预警信息为对应监测节点的环境预警,根据所述节点预警信息进行对应监测节点的监测标识,所述监测标识供给计划进行空气质量测定评估的不特定主体参考进行工业生产排污位点及排污预处理工艺的优化。
若所述辅助数据采集结果与所述源数据为不一致监测数据时,则基于不一致定位对应监测节点存在故障的空气采集分析装置进行装置维修更换,从而确保对应监测节点所获空气质量检测数据的可信性的技术效果。
实施例二
基于与前述实施例中基于多源数据的空气质量智能评估方法相同的发明构思,如图4所示,本申请提供了基于多源数据的空气质量智能评估系统,其中,所述系统包括:
评估需求交互模块1,用于交互质量评估需求信息,基于所述质量评估需求信息生成质量检测约束;
节点密度约束模块2,用于通过所述质量检测约束初始分布采集网格节点的节点密度;
区域信息交互模块3,用于交互目标监测区域的区域信息,基于所述区域信息进行区域特征提取,获得区域特征提取结果;
节点密度修正模块4,用于通过所述区域特征提取结果生成网格关联系数,通过所述网格关联系数对所述节点密度调整,生成修正节点密度;
检测模块配置模块5,用于基于所述修正节点密度配置双通道监测模块,通过所述双通道监测模块执行所述目标监测区域的区域数据采集,构建监测数据集,其中,所述监测数据集带有位置标识、时间标识和通道标识;
空气质量计算模块6,用于基于所述监测数据集进行所述目标监测区域的空气质量计算,获得空气质量标识结果。
在一个实施例中,所述系统还包括:
分布权值配置单元,用于配置所述双通道的通道分布权值,其中,第一通道分布权值为,第二通道分布权值为;
空气质量计算单元,用于通过公式进行第个监测节点的空气质量计算,计算公式如下:
其中,为监测时间节点,且,为大于3的整数,为第个监测节点在个时段下的监测平均值,为第个监测点在第个时段的监测数据,为第一通道监测数据,为第二通道监测数据,为第一通道分布权值,为第二通道分布权值;
空气质量标识单元,用于根据监测节点的数据计算结果获得所述空气质量标识结果。
在一个实施例中,所述系统还包括:
相邻接点采集单元,用于基于所述修正节点密度定位所述监测节点的相邻节点;
关联比例配置单元,用于配置相邻节点的初始关联比例;
节点间距获得单元,用于基于所述修正节点密度获得所述监测节点与所述相邻节点的节点间距离;
关联数据获得单元,用于依据所述节点间距离和所述初始关联比例对所述相邻节点的数据计算结果进行加权计算,生成关联数据;
结果修正执行单元,用于通过所述关联数据对所述监测节点的数据计算结果进行结果修正,基于结果修正结果获得所述空气质量标识结果。
在一个实施例中,所述系统还包括:
关联评价执行单元,用于基于所述区域特征提取结果进行区域间关联评价,生成区域关联值;
节点区域标识单元,用于对所述监测节点和所述相邻节点进行节点区域标识;
节点关联值生成单元,用于根据节点区域标识结果和所述区域关联值生成节点间关联值;
关联数据获得单元,用于依据所述节点间关联值、所述节点间距离和所述初始关联比例对所述相邻节点的数据计算结果进行加权计算,生成关联数据。
在一个实施例中,所述系统还包括:
节点分类执行单元,用于对所述监测时间节点进行节点分类,生成节点分类标识;
计算分类执行单元,用于通过所述节点分类标识进行第个监测节点的空气质量计算分类;
计算结果获得单元,用于根据计算分类结果生成所述数据计算结果。
在一个实施例中,所述系统还包括:
数据验证执行单元,用于基于所述监测数据集进行双通道的通道采集数据验证;
验证差值获得单元,用于获得同监测节点下的双通道数据验证差值;
差值阈值判断单元,用于判断所述双通道数据验证差值是否满足预设差值阈值;
赋值检测生成单元,用于若所述双通道数据验证差值满足所述预设差值阈值时,则生成辅助检测指令;
数据采集执行单元,用于通过所述辅助检测指令控制进行对应监测节点的数据采集;
监测数据更新单元,用于根据辅助数据采集结果进行所述监测数据集数据更新。
在一个实施例中,所述系统还包括:
监测数据判别单元,用于判断所述辅助数据采集结果是否与源数据为一致监测数据;
节点预警执行单元,用于若判断所述辅助数据采集结果与所述源数据为一致监测数据时,则生成对应监测节点的节点预警信息;
监测标识执行单元,用于根据所述节点预警信息进行对应监测节点的监测标识。
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 (8)
1.基于多源数据的空气质量智能评估方法,其特征在于,所述方法包括:
交互质量评估需求信息,基于所述质量评估需求信息生成质量检测约束;
通过所述质量检测约束初始分布采集网格节点的节点密度;
交互目标监测区域的区域信息,基于所述区域信息进行区域特征提取,获得区域特征提取结果;
通过所述区域特征提取结果生成网格关联系数,通过所述网格关联系数对所述节点密度调整,生成修正节点密度;
基于所述修正节点密度配置双通道监测模块,通过所述双通道监测模块执行所述目标监测区域的区域数据采集,构建监测数据集,其中,所述监测数据集带有位置标识、时间标识和通道标识;
基于所述监测数据集进行所述目标监测区域的空气质量计算,获得空气质量标识结果。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
配置所述双通道的通道分布权值,其中,第一通道分布权值为,第二通道分布权值为;
通过公式进行第个监测节点的空气质量计算,计算公式如下:
其中,为监测时间节点,且,为大于3的整数,为第个监测节点在个时段下的监测平均值,为第个监测点在第个时段的监测数据,为第一通道监测数据,为第二通道监测数据,为第一通道分布权值,为第二通道分布权值;
根据监测节点的数据计算结果获得所述空气质量标识结果。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
基于所述修正节点密度定位所述监测节点的相邻节点;
配置相邻节点的初始关联比例;
基于所述修正节点密度获得所述监测节点与所述相邻节点的节点间距离;
依据所述节点间距离和所述初始关联比例对所述相邻节点的数据计算结果进行加权计算,生成关联数据;
通过所述关联数据对所述监测节点的数据计算结果进行结果修正,基于结果修正结果获得所述空气质量标识结果。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
基于所述区域特征提取结果进行区域间关联评价,生成区域关联值;
对所述监测节点和所述相邻节点进行节点区域标识;
根据节点区域标识结果和所述区域关联值生成节点间关联值;
依据所述节点间关联值、所述节点间距离和所述初始关联比例对所述相邻节点的数据计算结果进行加权计算,生成关联数据。
5.如权利要求2所述的方法,其特征在于,所述方法还包括:
对所述监测时间节点进行节点分类,生成节点分类标识;
通过所述节点分类标识进行第个监测节点的空气质量计算分类;
根据计算分类结果生成所述数据计算结果。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述监测数据集进行双通道的通道采集数据验证;
获得同监测节点下的双通道数据验证差值;
判断所述双通道数据验证差值是否满足预设差值阈值;
若所述双通道数据验证差值满足所述预设差值阈值时,则生成辅助检测指令;
通过所述辅助检测指令控制进行对应监测节点的数据采集;
根据辅助数据采集结果进行所述监测数据集数据更新。
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
判断所述辅助数据采集结果是否与源数据为一致监测数据;
若判断所述辅助数据采集结果与所述源数据为一致监测数据时,则生成对应监测节点的节点预警信息;
根据所述节点预警信息进行对应监测节点的监测标识。
8.基于多源数据的空气质量智能评估系统,其特征在于,所述系统包括:
评估需求交互模块,用于交互质量评估需求信息,基于所述质量评估需求信息生成质量检测约束;
节点密度约束模块,用于通过所述质量检测约束初始分布采集网格节点的节点密度;
区域信息交互模块,用于交互目标监测区域的区域信息,基于所述区域信息进行区域特征提取,获得区域特征提取结果;
节点密度修正模块,用于通过所述区域特征提取结果生成网格关联系数,通过所述网格关联系数对所述节点密度调整,生成修正节点密度;
检测模块配置模块,用于基于所述修正节点密度配置双通道监测模块,通过所述双通道监测模块执行所述目标监测区域的区域数据采集,构建监测数据集,其中,所述监测数据集带有位置标识、时间标识和通道标识;
空气质量计算模块,用于基于所述监测数据集进行所述目标监测区域的空气质量计算,获得空气质量标识结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310979662.7A CN116720788A (zh) | 2023-08-07 | 2023-08-07 | 基于多源数据的空气质量智能评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310979662.7A CN116720788A (zh) | 2023-08-07 | 2023-08-07 | 基于多源数据的空气质量智能评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116720788A true CN116720788A (zh) | 2023-09-08 |
Family
ID=87868261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310979662.7A Pending CN116720788A (zh) | 2023-08-07 | 2023-08-07 | 基于多源数据的空气质量智能评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116720788A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4001959A1 (de) * | 1990-01-24 | 1991-07-25 | Rump Elektronik Tech | Spezifisch gewichteter gas-partialsummensensor |
CN102680538A (zh) * | 2012-03-27 | 2012-09-19 | 南京邮电大学 | 基于气敏传感器和智蜂网络的道路中尾气监测方法 |
CN111579005A (zh) * | 2020-06-24 | 2020-08-25 | 盐城工学院 | 一种大气环境参数监测方法 |
CN113094408A (zh) * | 2021-03-19 | 2021-07-09 | 深圳力维智联技术有限公司 | 基于鸽群的空气质量监测方法、装置及计算机存储介质 |
CN113971874A (zh) * | 2021-09-30 | 2022-01-25 | 中国化学工程第六建设有限公司 | 现场施工应急安全报警系统 |
CN115825344A (zh) * | 2022-11-24 | 2023-03-21 | 生态环境部南京环境科学研究所 | 一种用于化工企业的废气智能监测方法及系统 |
-
2023
- 2023-08-07 CN CN202310979662.7A patent/CN116720788A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4001959A1 (de) * | 1990-01-24 | 1991-07-25 | Rump Elektronik Tech | Spezifisch gewichteter gas-partialsummensensor |
CN102680538A (zh) * | 2012-03-27 | 2012-09-19 | 南京邮电大学 | 基于气敏传感器和智蜂网络的道路中尾气监测方法 |
CN111579005A (zh) * | 2020-06-24 | 2020-08-25 | 盐城工学院 | 一种大气环境参数监测方法 |
CN113094408A (zh) * | 2021-03-19 | 2021-07-09 | 深圳力维智联技术有限公司 | 基于鸽群的空气质量监测方法、装置及计算机存储介质 |
CN113971874A (zh) * | 2021-09-30 | 2022-01-25 | 中国化学工程第六建设有限公司 | 现场施工应急安全报警系统 |
CN115825344A (zh) * | 2022-11-24 | 2023-03-21 | 生态环境部南京环境科学研究所 | 一种用于化工企业的废气智能监测方法及系统 |
Non-Patent Citations (3)
Title |
---|
吴邦灿,费龙编著: "《现代环境监测技术 第3版》", 北京:中国环境出版社, pages: 354 * |
徐洪绕,朱恒山著: "《生态扶贫影响因素与实现机制研究》", 31 July 2020, 北京:中国环境出版社, pages: 354 * |
蔡贻谟编: "《香港环境》", 31 October 1986, 清华大学出版社, pages: 69 - 70 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110363347B (zh) | 基于决策树索引的神经网络预测空气质量的方法 | |
CN109919353B (zh) | 一种基于空间相关性的arima模型的分布式光伏预测方法 | |
CN115358332A (zh) | 面向多源数据的大气污染溯源方法 | |
CN110533239B (zh) | 一种智慧城市空气品质高精度测量方法 | |
CN115759488B (zh) | 一种基于边缘计算的碳排放监测预警分析系统及其方法 | |
KR102100739B1 (ko) | 미세먼지 발생 예측방법 | |
CN116380445B (zh) | 基于振动波形的设备状态诊断方法及相关装置 | |
CN116224930B (zh) | 一种数控磨床产品的加工控制方法及系统 | |
CN113011455B (zh) | 一种空气质量预测svm模型构建方法 | |
CN114117953A (zh) | 水文模型结构诊断方法、径流预报方法及装置 | |
CN114912343A (zh) | 基于lstm神经网络的空气质量二次预报模型构建方法 | |
CN117538503A (zh) | 一种实时智能的土壤污染监测系统及方法 | |
CN115526298A (zh) | 一种高鲁棒性的大气污染物浓度综合预测方法 | |
Bax et al. | Real-time monitoring of odour concentration at a landfill fenceline: performance verification in the field | |
CN113077089B (zh) | 一种多因素对空气质量影响的评价方法和装置 | |
CN116720788A (zh) | 基于多源数据的空气质量智能评估方法及系统 | |
CN116882638A (zh) | 一种全氟化合物污染监测设备的管理方法及系统 | |
CN116739619A (zh) | 一种能源电力碳排放监测分析建模方法及装置 | |
CN115526330A (zh) | 有机物走航数据校准方法、装置、计算机设备和存储介质 | |
CN113420443B (zh) | 一种耦合峰值均值因子的恶臭精准模拟方法 | |
CN113688506A (zh) | 基于微站等多维数据的潜在大气污染源识别方法 | |
CN115705510A (zh) | 厂区气体污染分布预测方法、系统、电子设备及存储介质 | |
CN111506619A (zh) | 一种产业园区空间选址方法及系统 | |
Borges et al. | Ground-level ozone prediction using a neural network model based on meteorological variables and applied to the metropolitan area of São Paulo | |
CN116297062B (zh) | 一种面向多维时空因子的pm2.5浓度精细化时空模拟与定量分析方法 |
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 |