CN117434227B - 一种水泥制造厂的废气成分监控方法及系统 - Google Patents
一种水泥制造厂的废气成分监控方法及系统 Download PDFInfo
- Publication number
- CN117434227B CN117434227B CN202311759484.3A CN202311759484A CN117434227B CN 117434227 B CN117434227 B CN 117434227B CN 202311759484 A CN202311759484 A CN 202311759484A CN 117434227 B CN117434227 B CN 117434227B
- Authority
- CN
- China
- Prior art keywords
- analysis
- gas information
- waste gas
- analyzed
- cement plant
- 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
- 239000004568 cement Substances 0.000 title claims abstract description 315
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 19
- 238000012544 monitoring process Methods 0.000 title claims abstract description 15
- 239000002912 waste gas Substances 0.000 title claims description 260
- 238000004458 analytical method Methods 0.000 claims abstract description 648
- 230000002159 abnormal effect Effects 0.000 claims abstract description 153
- 238000013519 translation Methods 0.000 claims abstract description 101
- 238000010276 construction Methods 0.000 claims abstract description 40
- 230000005856 abnormality Effects 0.000 claims abstract description 39
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 13
- 231100000719 pollutant Toxicity 0.000 claims abstract description 13
- 239000007789 gas Substances 0.000 claims description 259
- 239000010908 plant waste Substances 0.000 claims description 12
- 238000004868 gas analysis Methods 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 25
- 238000013135 deep learning Methods 0.000 abstract description 16
- 230000004044 response Effects 0.000 abstract description 14
- 238000005192 partition Methods 0.000 description 16
- 238000001228 spectrum Methods 0.000 description 13
- 238000013507 mapping Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 210000005036 nerve Anatomy 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000001537 neural effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007787 long-term memory Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000002699 waste material Substances 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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Analytical Chemistry (AREA)
- Computational Linguistics (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
本申请提供的一种水泥制造厂的废气成分监控方法及系统,通过在分析过程中加入预分析环节,可以对当前信息的深度学习分析输出进行相应的深度学习预分析,进而获得当前信息的比较分析结果(即数据比较分析结果),并可响应于符合异常分析要求,对当前比较分析结果进行二次分析,在后续的翻译过程中,通过翻译得到的异常翻译数据字节和翻译结果可以构建得到前述待分析水泥厂废气信息对应的废气描述属性构建信息,可以理解,由于本申请实施例对预分析构建数据(比如前述预分析水泥厂废气信息)与历史数据(比如前述待分析水泥厂废气信息)之间的实时异常进行了分析,因此能够精确的获得废气的种类和含量,从而有利于帮助后续污染物的处理工作。
Description
技术领域
本申请涉及废气监控技术领域,具体而言,涉及一种水泥制造厂的废气成分监控方法及系统。
背景技术
水泥厂的排污物问题一直备受到广泛的关注,因为排放的污染物超标的话,会对环境和当地人的身体健康造成巨大的损害,因此,需要水泥厂配置一个自我检查的方式,以解决上述问题。
发明内容
为改善相关技术中存在的技术问题,本申请提供了一种水泥制造厂的废气成分监控方法及系统。
第一方面,提供一种水泥制造厂的废气成分监控方法,所述方法包括:
获得待分析水泥厂废气信息对应的废气信息分析集合,对所述废气信息分析集合进行预分析处理,翻译得到所述废气信息分析集合对应的预分析水泥厂废气信息;所述待分析水泥厂废气信息为获得到的待处理分析指示所对应的水泥厂废气信息中的数据字节;
对所述待分析水泥厂废气信息和所述预分析水泥厂废气信息进行比较分析,得到所述待分析水泥厂废气信息和所述预分析水泥厂废气信息之间的数据比较分析结果;
响应于所述数据比较分析结果符合所述待处理分析指示对应的异常分析要求,对所述数据比较分析结果进行异常分析,得到与所述待分析水泥厂废气信息相关联的异常分析结果集合;所述异常分析结果集合翻译得到的异常翻译数据字节和所述废气信息分析集合翻译得到的翻译结果,用于构建得到所述待分析水泥厂废气信息对应的废气描述属性构建信息;所述废气描述属性构建信息用于构建得到所述待处理分析指示对应的废气分析要求。
优选地,所述获得待分析水泥厂废气信息对应的废气信息分析集合,对所述废气信息分析集合进行预分析处理,翻译得到所述废气信息分析集合对应的预分析水泥厂废气信息,包括:
获得待处理分析指示所对应的水泥厂废气信息中的待分析水泥厂废气信息,对所述待分析水泥厂废气信息进行废气种类分析,得到所述待分析水泥厂废气信息对应的废气信息分析集合;
对所述废气信息分析集合进行预分析处理,翻译得到所述废气信息分析集合对应的预分析水泥厂废气信息。
可以理解的是,获得待分析水泥厂废气信息对应的废气信息分析集合,对所述废气信息分析集合进行预分析处理时,改善了废气信息分析集合不精确的问题,从而能精确地翻译得到所述废气信息分析集合对应的预分析水泥厂废气信息。
优选地,所述对所述待分析水泥厂废气信息进行废气种类分析,得到所述待分析水泥厂废气信息对应的废气信息分析集合,包括:
对所述待分析水泥厂废气信息进行特征提取,得到所述待分析水泥厂废气信息对应的废气描述特征;
对所述废气描述特征进行划分,得到所述待分析水泥厂废气信息对应的废气信息分析集合。
可以理解的是,对所述待分析水泥厂废气信息进行废气种类分析时,改善了分析不准确的问题,从而能够准确地得到所述待分析水泥厂废气信息对应的废气信息分析集合。
优选地,所述对所述废气描述特征进行划分,得到所述待分析水泥厂废气信息对应的废气信息分析集合,包括:响应于获得到的所述待分析水泥厂废气信息对应的分析划分等级,基于与所述分析划分等级相匹配的第一划分可信度系数,对所述废气描述特征进行划分,得到划分后的废气描述特征,将所述划分后的废气描述特征确定为所述待分析水泥厂废气信息对应的废气信息分析集合。
可以理解的是,对所述废气描述特征进行划分时,改善了划分不准确的问题,从而能够精确地得到所述待分析水泥厂废气信息对应的废气信息分析集合。
优选地,在所述获得待分析水泥厂废气信息对应的废气信息分析集合之前,所述方法还包括:
对所述待分析水泥厂废气信息进行种类识别,得到所述待分析水泥厂废气信息的种类;
依据所述待分析水泥厂废气信息的种类,对所述待分析水泥厂废气信息进行划分等级投影,得到所述待分析水泥厂废气信息对应的分析划分等级。
可以理解的是,通过对待分析水泥厂废气信息进行精确地种类识别时,从而能够精确地得到所述待分析水泥厂废气信息对应的分析划分等级。
优选地,所述依据所述待分析水泥厂废气信息的种类,对所述待分析水泥厂废气信息进行划分等级投影,得到所述待分析水泥厂废气信息对应的分析划分等级,包括:
获得配置的划分等级投影方式;所述划分等级投影方式用于存储不同种类与划分等级之间的投影关系;
在所述划分等级投影方式中寻找与所述待分析水泥厂废气信息的种类具有投影关系的划分等级,且将寻找到的划分等级确定为所述待分析水泥厂废气信息对应的分析划分等级。
可以理解的是,依据所述待分析水泥厂废气信息的种类,对所述待分析水泥厂废气信息进行划分等级投影时,改善了投影精度不高的问题,从而能准确地得到所述待分析水泥厂废气信息对应的分析划分等级。
优选地,所述对所述废气信息分析集合进行预分析处理,翻译得到所述废气信息分析集合对应的预分析水泥厂废气信息,包括:对所述废气信息分析集合中的划分后的废气描述特征进行解压缩处理,得到所述废气信息分析集合对应的预分析水泥厂废气信息。
可以理解的是,对所述废气信息分析集合进行预分析处理时,改善了分析不准确的问题,从而能够精确地翻译得到所述废气信息分析集合对应的预分析水泥厂废气信息。
优选地,所述对所述待分析水泥厂废气信息和所述预分析水泥厂废气信息进行比较分析,得到所述待分析水泥厂废气信息和所述预分析水泥厂废气信息之间的数据比较分析结果,包括:将所述待分析水泥厂废气信息和所述预分析水泥厂废气信息进行对比,得到所述待分析水泥厂废气信息和所述预分析水泥厂废气信息之间的数据字节对比结果,将得到的数据字节对比结果确定为所述待分析水泥厂废气信息和所述预分析水泥厂废气信息之间的数据比较分析结果。
可以理解的是,对所述待分析水泥厂废气信息和所述预分析水泥厂废气信息进行比较分析时,改善了分析不准确的问题,从而能够精确地得到所述待分析水泥厂废气信息和所述预分析水泥厂废气信息之间的数据比较分析结果。
优选地,所述异常分析要求包括针对所述待处理分析指示配置的描述目标值;所述响应于所述数据比较分析结果符合所述待处理分析指示对应的异常分析要求,对所述数据比较分析结果进行异常分析,得到与所述待分析水泥厂废气信息相关联的异常分析结果集合,包括:
获得与所述待分析水泥厂废气信息相关联的污染物描述参数,对所述污染物描述参数、所述待分析水泥厂废气信息以及所述预分析水泥厂废气信息进行描述比较分析,得到所述数据比较分析结果对应的描述异常;
响应于所述描述异常大于所述描述目标值,确定所述数据比较分析结果符合所述待处理分析指示对应的所述异常分析要求,且对所述数据比较分析结果进行异常分析,得到与所述待分析水泥厂废气信息相关联的异常分析结果集合。
可以理解的是,异常分析要求包括针对所述待处理分析指示配置的描述目标值;所述响应于所述数据比较分析结果符合所述待处理分析指示对应的异常分析要求,对所述数据比较分析结果进行异常分析时,改善了分析不准确的问题,从而能够精确地得到与所述待分析水泥厂废气信息相关联的异常分析结果集合。
优选地,所述对所述数据比较分析结果进行异常分析,得到与所述待分析水泥厂废气信息相关联的异常分析结果集合,包括:
对所述数据比较分析结果进行特征提取,得到所述数据比较分析结果对应的异常特征;
对所述异常特征进行划分,得到与所述待分析水泥厂废气信息相关联的异常分析结果集合。
可以理解的是,对所述数据比较分析结果进行异常分析时,改善了分析不准确的问题,从而能够得到与所述待分析水泥厂废气信息相关联的异常分析结果集合。
优选地,所述对所述异常特征进行划分,得到与所述待分析水泥厂废气信息相关联的异常分析结果集合,包括:响应于获得到的所述待分析水泥厂废气信息对应的分析划分等级,基于与所述分析划分等级相匹配的第二划分可信度系数,对所述异常特征进行划分,得到划分后的异常特征,将所述划分后的异常特征确定为与所述待分析水泥厂废气信息相关联的异常分析结果集合。
可以理解的是,对所述异常特征进行划分时,改善了划分不可靠的问题,从而能够精确地得到与所述待分析水泥厂废气信息相关联的异常分析结果集合。
优选地,还包括:响应于所述数据比较分析结果不符合所述异常分析要求,不对所述数据比较分析结果进行异常分析;所述废气信息分析集合翻译得到的翻译结果用于确定为所述待分析水泥厂废气信息对应的废气描述属性构建信息。
可以理解的是,通过分析要求,能够保障异常分析的准确性。
第二方面,提供一种水泥制造厂的废气成分监控系统,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述的方法。
本申请实施例所提供的一种水泥制造厂的废气成分监控方法及系统,可以获得待分析水泥厂废气信息对应的废气信息分析集合,并对废气信息分析集合进行预分析处理,从而翻译得到废气信息分析集合对应的预分析水泥厂废气信息;其中,该待分析水泥厂废气信息为获得到的待处理分析指示所对应的水泥厂废气信息中的数据字节;进一步地,可以对待分析水泥厂废气信息和预分析水泥厂废气信息进行比较分析,得到待分析水泥厂废气信息和预分析水泥厂废气信息之间的数据比较分析结果;响应于数据比较分析结果符合待处理分析指示对应的异常分析要求,可以对数据比较分析结果进行异常分析,得到与待分析水泥厂废气信息相关联的异常分析结果集合;其中,异常分析结果集合翻译得到的异常翻译数据字节和废气信息分析集合翻译得到的翻译结果,可用于构建得到待分析水泥厂废气信息对应的废气描述属性构建信息;该废气描述属性构建信息用于构建得到待处理分析指示对应的废气分析要求。由此可见,本申请通过在分析过程中加入预分析环节,可以对当前信息的深度学习分析输出(即待分析水泥厂废气信息对应的废气信息分析集合)进行相应的深度学习预分析,进而获得当前信息的比较分析结果(即数据比较分析结果),并可响应于符合异常分析要求,对当前比较分析结果进行二次分析,在后续的翻译过程中,通过翻译得到的异常翻译数据字节和翻译结果可以构建得到前述待分析水泥厂废气信息对应的废气描述属性构建信息,可以理解,由于本申请实施例对预分析构建数据(比如前述预分析水泥厂废气信息)与历史数据(比如前述待分析水泥厂废气信息)之间的实时异常进行了分析,因此能够精确的获得废气的种类和含量,从而有利于帮助后续污染物的处理工作。
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,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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他相关的附图。
图1为本申请实施例所提供的一种水泥制造厂的废气成分监控方法的流程图。
具体实施方式
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本申请技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1,示出了一种水泥制造厂的废气成分监控方法,该方法可以包括以下步骤S101-步骤S103所描述的技术方案。
步骤S101,获得待分析水泥厂废气信息对应的废气信息分析集合,对废气信息分析集合进行预分析处理,翻译得到废气信息分析集合对应的预分析水泥厂废气信息;待分析水泥厂废气信息为获得到的待处理分析指示所对应的水泥厂废气信息中的数据字节;
示例性的,待分析水泥厂废气信息是通过在废气排出窗口上设置的感应器获得的数据。
其中,数据字节可以理解为水泥厂废气信息中对应的污染物质描述。预处理可以理解为是一种统计或数据挖掘解决方案,包含可在结构化和非结构化数据中使用以确定未来结果的算法和技术。可为预测、优化、预报和模拟等许多其他用途而部署。
可以理解,基于待处理分析指示的稳定性,在对待处理分析指示进行分析前,可以对待处理分析指示进行分信息处理,以得到位于时域上的多个数据字节,每个数据字节均可确定为待处理分析指示对应的水泥厂废气信息,此处对分信息后得到的水泥厂废气信息的具体数量不做限制。
换而言之,将原本覆盖时间较长的待处理分析指示划分为覆盖时间较短的水泥厂废气信息进行处理,可以避免时间信息的缺失,从而保证废气种类分析的可靠性和可信度。
可以理解,在得到待处理分析指示对应的多个水泥厂废气信息后,可以将多个水泥厂废气信息中任意一个待分析的数据字节确定为待分析水泥厂废气信息,本申请实施例采用了闭环异常分析的设计思路,在废气种类分析器中加入了预分析环节,即废气种类分析器可以在获得到待分析水泥厂废气信息对应的废气信息分析集合时,对废气信息分析集合进行预分析处理,以翻译得到废气信息分析集合对应的预分析水泥厂废气信息。换而言之,本申请实施例可以在分析阶段,在本地预先对废气信息分析集合进行翻译,从而可以在分析阶段实现对比较分析结果的优化,这样有助于提升数据真实度。
在本申请实施例中,可以获得待处理分析指示所对应的水泥厂废气信息中的待分析水泥厂废气信息,进而对待分析水泥厂废气信息进行废气种类分析,得到待分析水泥厂废气信息对应的废气信息分析集合;进一步地,可以对废气信息分析集合进行预分析处理,从而翻译得到废气信息分析集合对应的预分析水泥厂废气信息。
在一种可能实施的实施例中,可以通过废气种类分析器中的分析单元实现废气种类分析,且可以通过废气种类分析器中的预分析单元实现预分析。其中,分析单元是指用于对待分析水泥厂废气信息进行废气种类分析的单元,预分析单元是指用于对待分析水泥厂废气信息对应的废气信息分析集合进行预分析的单元,两个单元之间可进行数据交互。因此,在获得到待处理分析指示所对应的水泥厂废气信息中的待分析水泥厂废气信息时,废气种类分析器可以将待分析水泥厂废气信息输入至分析单元,由该分析单元对待分析水泥厂废气信息进行废气种类分析,可得到待分析水泥厂废气信息对应的废气信息分析集合;进一步地,可以将该废气信息分析集合输入至预分析单元,由该预分析单元对废气信息分析集合进行预分析处理,可翻译得到该废气信息分析集合对应的预分析水泥厂废气信息。
其中,废气种类分析的过程可以为:对待分析水泥厂废气信息进行特征提取,得到待分析水泥厂废气信息对应的废气描述特征;对废气描述特征进行划分,得到待分析水泥厂废气信息对应的废气信息分析集合。在一种可能实施的实施例中,分析单元可通过深度神经线程搭建得到,具体可包括废气种类分析线程和成分含量划分线程,则由分析单元对待分析水泥厂废气信息进行废气种类分析的具体过程可以为:将待分析水泥厂废气信息输入至废气种类分析线程,由废气种类分析线程对待分析水泥厂废气信息进行特征提取,可得到待分析水泥厂废气信息对应的废气描述特征;进一步地,将该废气描述特征输入至成分含量划分线程,由成分含量划分线程对废气描述特征进行划分,可得到待分析水泥厂废气信息对应的废气信息分析集合。其中,对输入的待分析水泥厂废气信息进行特征提取,可以理解为将待分析水泥厂废气信息压缩为对应的废气描述特征;对废气描述特征进行划分,可以理解为对该废气描述特征进一步压缩,因此得到的废气信息分析集合相比于前述待分析水泥厂废气信息,可采用更少量的字节进行表示的准确性。
需要说明的是,本申请实施例对分析单元的线程结构(包括废气种类分析线程的线程结构和成分含量划分线程的线程结构)不进行限定,譬如,分析单元可采用全卷积线程、卷积神经线程、残差线程、等神经线程中的一种或多种实现,这里的全卷积线程可包括但不限于因果全卷积线程及其变种等。
可以理解的是,划分可信度可通过设定的划分等级进行控制,则上述划分过程可以为:响应于获得到的待分析水泥厂废气信息对应的分析划分等级,基于与分析划分等级相匹配的第一划分可信度系数,对废气描述特征进行划分,得到划分后的废气描述特征,将划分后的废气描述特征确定为待分析水泥厂废气信息对应的废气信息分析集合。
在一种可能实施的实施例中,为了在分析过程中实现对划分可信度的动态控制调节,废气种类分析器还可以包括数据分类单元,该数据分类单元可以为独立于前述分析单元和预分析单元的单元,可用于确定待分析水泥厂废气信息对应的分析划分等级。其中,分析划分等级也可称为分析划分级别,可用于控制划分可信度,在分析过程中,分析划分等级越高,对应的划分可信度就越高,因此,数据分类单元可以响应于获得到的待分析水泥厂废气信息对应的分析划分等级,将该分析划分等级传输给分析单元中的成分含量划分线程,以使成分含量划分线程根据该分析划分等级调控其划分可信度系数。则前述由成分含量划分线程对待分析水泥厂废气信息对应的废气描述特征进行划分的具体过程可以为:将该废气描述特征输入至成分含量划分线程,由成分含量划分线程基于与待分析水泥厂废气信息对应的分析划分等级相匹配的第一划分可信度系数,对该废气描述特征进行划分,得到划分后的废气描述特征,此时可将划分后的废气描述特征确定为待分析水泥厂废气信息对应的废气信息分析集合。其中,第一划分可信度系数可由成分含量划分线程通过待分析水泥厂废气信息所对应的分析划分等级计算得到,也可由成分含量划分线程通过查表得到,比如,成分含量划分线程可配置第一划分可信度映射表,该第一划分可信度映射表可用于存储不同划分等级与划分可信度系数之间的对应关系,则成分含量划分线程可以在第一划分可信度映射表中,寻找与前述分析划分等级相对应的划分可信度系数,且将寻找到的划分可信度系数确定为与该分析划分等级相匹配的第一划分可信度系数。本申请实施例对第一划分可信度系数的获得方式不做限定。可以理解,本申请实施例通过设置不同的划分等级来对分析单元的划分可信度进行动态控制调节,可以提升划分的精确性,从而提升废气种类分析的精确性。
可以理解,在获得待分析水泥厂废气信息对应的废气信息分析集合之前,可以对待分析水泥厂废气信息进行种类识别,得到待分析水泥厂废气信息的种类;进而可基于待分析水泥厂废气信息的种类,对待分析水泥厂废气信息进行划分等级投影,得到待分析水泥厂废气信息对应的分析划分等级。在一种可能实施的实施例中,可以通过数据分类单元确定待分析水泥厂废气信息对应的分析划分等级,具体来说,可以将待分析水泥厂废气信息输入至数据分类单元,由数据分类单元对待分析水泥厂废气信息进行种类识别,得到待分析水泥厂废气信息的种类。其中,待分析水泥厂废气信息的种类可以为语音类型、音乐类型、噪声类型、静音类型等中的任意一种,此处不进行限制。进一步地,数据分类单元可以基于待分析水泥厂废气信息的种类,对待分析水泥厂废气信息进行划分等级投影,以得到待分析水泥厂废气信息对应的分析划分等级。换而言之,数据分类单元可以对输入的每一个水泥厂废气信息单独进行分类,根据业务需要,不同种类可对应不同的划分等级,即在种类和划分等级之间做投影,譬如,在一些实施例中,不同种类的水泥厂废气信息的划分等级(或者说,划分可信度)从高到低排序。因此,不同水泥厂废气信息对应的划分等级可能不同,从而可以实现对废气种类分析器划分可信度的准确性。
可选的,可以通过划分等级投影方式来实现划分等级投影,具体来说,可以获得数据分类单元配置的划分等级投影方式,这里的划分等级投影方式可用于存储不同种类与划分等级之间的投影关系;基于此,在得到待分析水泥厂废气信息的种类后,可以在划分等级投影方式中寻找与待分析水泥厂废气信息的种类具有投影关系的划分等级,且可以将寻找到的划分等级确定为待分析水泥厂废气信息对应的分析划分等级。
此外,除了上述查表投影的方式外,可选的,还可以通过其他方式实现划分等级投影,譬如图形投影、函数投影等,本申请实施例对此不做限定。譬如,可以通过划分等级投影函数来实现划分等级投影,具体来说,可以获得数据分类单元配置的划分等级投影函数,该划分等级投影函数可以用于实现不同种类与划分等级之间的投影(映射),基于此,在得到待分析水泥厂废气信息的种类后,可以通过划分等级投影函数,计算出该种类所投影的划分等级,且可以将计算出的划分等级确定为待分析水泥厂废气信息对应的分析划分等级。
需要说明的是,本申请实施例对数据分类单元的线程结构不进行限定,譬如,数据分类单元可采用全卷积线程、卷积神经线程、残差线程、长短期记忆线程等神经线程中的一种或多种实现。
可以理解的是,本申请实施例可以对废气信息分析集合中的划分后的废气描述特征进行解压缩处理,得到废气信息分析集合对应的预分析水泥厂废气信息。在一种可能实施的实施例中,上述由预分析单元对废气信息分析集合进行预分析处理的步骤具体可以包括:将废气信息分析集合输入至预分析单元,由预分析单元对废气信息分析集合中的划分后的废气描述特征进行解压缩处理,从而得到废气信息分析集合对应的预分析水泥厂废气信息,换而言之,预分析处理的过程与前述废气种类分析的过程是相逆的,即将废气信息分析集合重建为时域上的预分析水泥厂废气信息。
需要说明的是,为了获得比较分析结果,预分析单元与分析单元对应的翻译单元是完全一致的单元(即二者的线程结构和线程系数均相同),换而言之,在配置神经线程得到翻译单元时,也就得到了预分析单元,因此可以在一定程度上加快配置过程。本申请实施例对预分析单元的线程结构不进行限定,譬如预分析单元可采用全卷积线程、卷积神经线程、残差线程、长短期记忆线程等神经线程中的一种或多种实现,这里的全卷积线程可包括但不限于因果全卷积线程及其变种等。
其中,由于分信息后每一个水泥厂废气信息的开始和结束都会出现间断,以至于分割的水泥厂废气信息越多,与待处理分析指示的异常就越大,因此,在进行范围映射之前,本申请实施例可以通过加窗处理解决这个问题,以使成信息后的数据变得连续,并且每一个水泥厂废气信息都可以表现出周期函数的特性,从而减少范围内的频谱泄露。基于此,可以对分信息处理后得到的每个水泥厂废气信息均进行加窗处理,从而得到数据连续的多个废气描述属性段。在本申请实施例中,进行加窗处理时,将每一个水泥厂废气信息依次与窗函数进行相乘即可得到对应的废气描述属性段。进一步地,可以分别对每个废气描述属性段进行时频变换,从而可以得到每个废气描述属性段分别对应的成分含量频谱信息,换而言之,可以将时域上的废气描述属性段变换为范围内的成分含量频谱信息。可以理解,水泥厂废气信息的采样点数与成分含量频谱信息对应的特征点数可以相同,也可以不相同,实际应用中可以根据需要设置变换后得到的特征点数。
可以理解,在得到待处理分析指示对应的多个成分含量频谱信息后,可以将多个成分含量频谱信息中与待分析水泥厂废气信息对应的频谱信息确定为待分析成分含量频谱信息(即任意一个待分析的频谱信息),进一步地,可以将该废气信息分析集合输入至预分析单元,由预分析单元对废气信息分析集合进行预分析处理,以翻译得到废气信息分析集合对应的预分析成分含量频谱信息。可以理解,预分析成分含量频谱信息为范围内的频谱信息,因此可以对预分析成分含量频谱信息进行逆变换,从而得到时域上的预分析水泥厂废气信息。
步骤S102,对待分析水泥厂废气信息和预分析水泥厂废气信息进行比较分析,得到待分析水泥厂废气信息和预分析水泥厂废气信息之间的数据比较分析结果;
可以理解,废气种类分析器可以对待分析水泥厂废气信息和预分析水泥厂废气信息进行比较分析,以获得二者之间的数据比较分析结果。具体来说,可以将待分析水泥厂废气信息和预分析水泥厂废气信息进行对比,得到待分析水泥厂废气信息和预分析水泥厂废气信息之间的数据字节对比结果,从而可以将得到的数据字节对比结果确定为待分析水泥厂废气信息和预分析水泥厂废气信息之间的数据比较分析结果。
步骤S103,响应于数据比较分析结果符合待处理分析指示对应的异常分析要求,对数据比较分析结果进行异常分析,得到与待分析水泥厂废气信息相关联的异常分析结果集合;异常分析结果集合翻译得到的异常翻译数据字节和废气信息分析集合翻译得到的翻译结果,用于构建得到待分析水泥厂废气信息对应的废气描述属性构建信息;废气描述属性构建信息用于构建得到待处理分析指示对应的废气分析要求。
可以理解,本申请实施例可针对待处理分析指示,配置相应的异常分析要求,从而可通过该异常分析要求判断是否需要对数据比较分析结果进行异常分析。
在一种可能实施的实施例中,废气种类分析器可包括异常分析单元,该异常分析单元是指用于对数据比较分析结果进行异常分析的单元。异常分析要求可包括针对待处理分析指示配置的描述目标值。基于此,废气种类分析器可以获得与待分析水泥厂废气信息相关联的污染物描述参数,进而可对污染物描述参数、待分析水泥厂废气信息以及预分析水泥厂废气信息进行描述比较分析,以得到数据比较分析结果对应的描述异常。可选的,响应于该描述异常大于描述目标值,可以确定数据比较分析结果符合待处理分析指示对应的异常分析要求,换而言之,此时对该数据比较分析结果的描述能量比较大,已经达到分辨出来的水平了,那么就需要加入异常分析这个环节,对数据比较分析结果进行异常分析,即可以将数据比较分析结果输入至异常分析单元,由异常分析单元对该数据比较分析结果进行异常分析,从而得到与待分析水泥厂废气信息相关联的异常分析结果集合。
反之,可选的,响应于该描述异常小于或等于描述目标值,可以确定数据比较分析结果不符合待处理分析指示对应的异常分析要求,不对数据比较分析结果进行异常分析,换而言之,此时对该数据比较分析结果的描述能量比较小,则可认为待分析水泥厂废气信息的原始分析效果达到污染物描述要求,那么就不需要通过对数据比较分析结果分析进行改善。
可以理解,本申请实施例并不会直接对所有比较分析结果进行二次分析,而是通过对应的描述异常来判断是否需要对当前比较分析结果进行二次分析,这样做可以保证所有水泥厂废气信息的分析效果始终能够符合污染物描述要求,同时可以保证较高的分析效率,提升数据真实度。
此外,异常分析要求还可以包括其他内容,本申请实施例对异常分析要求的具体内容不做限制,比如可以包括针对待处理分析指示预先配置的可描述范围、描述等级等。譬如,响应于描述异常处于预设的可描述范围,可以确定数据比较分析结果符合待处理分析指示对应的异常分析要求,进而可以对数据比较分析结果进行异常分析,得到与待分析水泥厂废气信息相关联的异常分析结果集合。又譬如,可以先获得描述异常对应的目标异常等级,响应于该目标异常等级大于或等于预设的描述等级,可以确定数据比较分析结果符合待处理分析指示对应的异常分析要求,进而可以对数据比较分析结果进行异常分析,得到与待分析水泥厂废气信息相关联的异常分析结果集合。其中,描述异常对应的目标异常等级可以通过描述比较分析得到,也可通过查表得到,比如,异常分析单元可配置异常等级映射表,该异常等级映射表可用于存储不同取值的描述异常与异常等级之间的对应关系,则可以在异常等级映射表中,寻找与数据比较分析结果对应的描述异常相对应的异常等级,且将寻找到的异常等级确定为该描述异常对应的目标异常等级。本申请实施例对目标异常等级的获得方式不做限定。
可以理解的是,上述异常分析的过程可以为:对数据比较分析结果进行特征提取,得到数据比较分析结果对应的异常特征;对异常特征进行划分,得到与待分析水泥厂废气信息相关联的异常分析结果集合。在一种可能实施的实施例中,可选的,异常分析单元可通过深度神经线程搭建得到,具体可包括异常分析线程和异常划分线程,则响应于数据比较分析结果符合异常分析要求,由异常分析单元对数据比较分析结果进行异常分析的具体过程可以为:将数据比较分析结果输入至异常分析线程,由异常分析线程对数据比较分析结果进行特征提取,可得到数据比较分析结果对应的异常特征;进一步地,将该异常特征输入至异常划分线程,由异常划分线程对异常特征进行划分,可得到与待分析水泥厂废气信息相关联的异常分析结果集合。其中,对输入的数据比较分析结果进行特征提取,可以理解为将数据比较分析结果压缩为对应的异常特征;对异常特征进行划分,可以理解为对该异常特征进一步压缩,因此得到的异常分析结果集合相比于前述数据比较分析结果,可采用更少量的字节进行表示的精确度。
需要说明的是,本申请实施例对异常分析单元的线程结构(包括异常分析线程的线程结构和异常划分线程的线程结构)不进行限定,譬如,异常分析单元可采用全卷积线程、卷积神经线程、残差线程、长短期记忆线程等神经线程中的一种或多种实现,这里的全卷积线程可包括但不限于因果全卷积线程及其变种等。
可以理解的是,划分可信度可通过设定的划分等级进行控制,则上述划分过程可以为:响应于获得到的待分析水泥厂废气信息对应的分析划分等级,基于与分析划分等级相匹配的第二划分可信度系数,对异常特征进行划分,得到划分后的异常特征,将划分后的异常特征确定为与待分析水泥厂废气信息相关联的异常分析结果集合。
在一种可能实施的实施例中,废气种类分析器可包括数据分类单元,该数据分类单元可用于确定待分析水泥厂废气信息对应的分析划分等级,具体过程可以参见上述步骤S101中的相关阐述,这里不再进行赘述;则由异常划分线程对数据比较分析结果对应的异常特征进行划分的具体过程可以为:将该异常特征输入至异常划分线程,由异常划分线程基于与分析划分等级相匹配的第二划分可信度系数,对该异常特征进行划分,得到划分后的异常特征,此时可以将划分后的异常特征确定为与待分析水泥厂废气信息相关联的异常分析结果集合。其中,第二划分可信度系数可由异常划分线程通过待分析水泥厂废气信息所对应的分析划分等级计算得到,也可由异常划分线程通过查表得到,比如,异常划分线程可配置第二划分可信度映射表,该第二划分可信度映射表可用于存储不同划分等级与划分可信度系数之间的对应关系,则异常划分线程可以在第二划分可信度映射表中,寻找与前述分析划分等级相对应的划分可信度系数,且将寻找到的划分可信度系数确定为与该分析划分等级相匹配的第二划分可信度系数。本申请实施例对第二划分可信度系数的获得方式不做限定。可以理解,本申请实施例通过不同的划分等级来对划分可信度进行动态控制调节,可以提升划分的精确性,从而提升废气种类分析的精确性。
可以理解的是,本申请实施例除了可以直接对时域上的数据比较分析结果进行异常分析,可选的,也可以将时域上的数据比较分析结果映射为非时域上的其他形式的异常,再进行异常分析,从而得到对应的异常分析结果集合。
可以理解,除了可以采用上述基于深度学习的分析方式对数据比较分析结果进行异常分析,可选的,也可以采用传统分析方式对数据比较分析结果进行异常分析,此时的异常分析单元可为传统的废气种类分析单元,比如,可以对数据比较分析结果进行熵分析或残差脉冲分析,其中可包括采样、划分、分析等几个步骤,从而得到与待分析水泥厂废气信息相关联的异常分析结果集合,此处不再一一展开说明。可以理解,实际应用中可以根据压缩要求选择合适的分析方式对数据比较分析结果进行异常分析,比如,在压缩率要求较高时,可以采用基于深度学习的分析方式对数据比较分析结果进行异常分析;在压缩率要求较低时,可以采用传统分析方式对数据比较分析结果进行异常分析。由此可见,本申请实施例可以丰富分析方式的精确性。
可以理解,在本申请实施例中,异常分析结果集合翻译得到的异常翻译数据字节和废气信息分析集合翻译得到的翻译结果,可用于构建得到待分析水泥厂废气信息对应的废气描述属性构建信息。具体的,在分析得到异常分析结果集合和废气信息分析集合后,废气种类分析器可以将异常分析结果集合和废气信息分析集合一并发送给该废气种类分析器对应的成分含量翻译单元,以使该成分含量翻译单元响应于翻译得到异常分析结果集合对应的异常翻译数据字节和废气信息分析集合对应的翻译结果,通过异常翻译数据字节和翻译结果构建得到待分析水泥厂废气信息对应的废气描述属性构建信息;其中,废气描述属性构建信息可用于构建得到待处理分析指示对应的废气分析要求。成分含量翻译单元进行数据构建的具体过程,可以参见所对应实施例中的步骤S202。
此外,可选的,在上述数据比较分析结果不符合异常分析要求时,废气种类分析器可以直接将废气信息分析集合发送给废气种类分析器对应的成分含量翻译单元,以使成分含量翻译单元响应于翻译得到废气信息分析集合对应的翻译结果,将该翻译结果确定为待分析水泥厂废气信息对应的废气描述属性构建信息;其中,废气描述属性构建信息可用于构建得到待处理分析指示对应的废气分析要求。
上述可知,本申请通过在分析过程中加入预分析环节,可以对当前信息的深度学习分析输出进行相应的深度学习预分析,进而获得当前信息的比较分析结果,并可在判断当前比较分析结果符合异常分析要求时,对其进行二次分析,在后续的翻译过程中,通过翻译得到的异常翻译数据字节和翻译结果可以构建得到前述待分析水泥厂废气信息对应的废气描述属性构建信息,可以理解,由于本申请实施例对预分析构建数据与历史数据之间的实时异常进行了分析,因此能够精确的获得废气的种类和含量,从而有利于帮助后续污染物的处理工作。
进一步的,本申请实施例提供的一种数据处理方法的流程,该方法具体可以包括以下步骤S201-步骤S202。
步骤S201,接收与待分析水泥厂废气信息相关联的异常分析结果集合以及废气信息分析集合;
可以理解的是,本申请实施例可以对接收到的异常分析结果集合和废气信息分析集合分别进行翻译以实现数据构建。需要说明的是,本申请实施例提供的方法可以由硬件(比如成分含量翻译单元)执行,为便于理解,本申请实施例以成分含量翻译单元执行为例进行阐述,该成分含量翻译单元可以运行于翻译设备上,该翻译设备可以为终端设备或服务器,此处不做限制。
可以理解,成分含量翻译单元可以基于某种传输协议,接收废气种类分析器发送的与待分析水泥厂废气信息相关联的异常分析结果集合以及废气信息分析集合。其中,待分析水泥厂废气信息为获得到的待处理分析指示所对应的水泥厂废气信息中的数据字节;异常分析结果集合是响应于数据比较分析结果符合待处理分析指示对应的异常分析要求,对数据比较分析结果进行异常分析后得到的;数据比较分析结果是通过对待分析水泥厂废气信息和废气信息分析集合对应的预分析水泥厂废气信息进行比较分析所得到的;预分析水泥厂废气信息是对废气信息分析集合进行预分析处理后得到的;分析得到异常分析结果集合以及废气信息分析集合的具体过程。
步骤S202,响应于翻译得到异常分析结果集合对应的异常翻译数据字节和废气信息分析集合对应的翻译结果,通过异常翻译数据字节和翻译结果构建得到待分析水泥厂废气信息对应的废气描述属性构建信息;
可以理解,本申请实施例可以对异常分析结果集合进行异常翻译,得到异常分析结果集合对应的异常翻译数据字节;同时,可以对废气信息分析集合进行成分含量翻译,得到废气信息分析集合对应的翻译结果;进而可以对异常翻译数据字节和翻译结果进行拼接处理,得到待分析水泥厂废气信息对应的废气描述属性构建信息。
在一种可能实施的实施例中,可以通过成分含量翻译单元中的异常翻译单元实现异常翻译,且可以通过成分含量翻译单元中的翻译单元实现成分含量翻译。本申请实施例中的成分含量翻译单元(可包括翻译单元和异常翻译单元,其中,翻译单元是指用于对废气信息分析集合进行成分含量翻译的单元,异常翻译单元是指用于对异常分析结果集合进行异常翻译的单元。基于此,成分含量翻译单元可以通过异常翻译单元对异常分析结果集合进行异常翻译,得到异常分析结果集合对应的异常翻译数据字节;同时,可以通过翻译单元对废气信息分析集合进行成分含量翻译,得到废气信息分析集合对应的翻译结果;进一步,可以对异常翻译数据字节和翻译结果进行拼接处理,从而得到待分析水泥厂废气信息对应的废气描述属性构建信息。
此外,可选的,若成分含量翻译单元只接收到废气种类分析器发送的废气信息分析集合(即前述数据比较分析结果不符合异常分析要求),则可以通过翻译单元对废气信息分析集合进行成分含量翻译,得到废气信息分析集合对应的翻译结果,进而可以将该翻译结果确定为待分析水泥厂废气信息对应的废气描述属性构建信息。
可选的,若异常分析结果集合是通过基于深度学习的分析方式对时域上的数据比较分析结果进行异常分析后得到的,则成分含量翻译单元可以通过异常翻译单元对异常分析结果集合中的划分后的异常特征进行解压缩处理,从而得到异常分析结果集合对应的异常翻译数据字节。
其中,废气描述属性构建信息可用于构建得到待处理分析指示对应的废气分析要求,换而言之,每一个待分析水泥厂废气信息对应的废气描述属性构建信息,可以共同构成废气分析要求。
上述可知,本申请实施例提出了一种具有实时异常反馈分析的深度学习线程包含编码和翻译单元,采用闭环反馈设计,将当前信息的深度学习分析输出进行相应的本地深度学习预分析,预分析水泥厂废气信息与待分析水泥厂废气信息对比得到当前信息的数据比较分析结果,并通过描述异常方法衡量当前数据比较分析结果是否符合预设的异常分析要求(比如描述目标值),若不符合该异常分析要求(比如描述异常不超过描述目标值),则当前信息废气信息分析集合正常输出;相反,若符合该异常分析要求(比如描述异常超过描述目标值),则需要对数据比较分析结果进行二次分析及划分(划分可信度可由数据分类单元进行动态控制调节),得到的异常分析结果集合和原先的废气信息分析集合一并发送至成分含量翻译单元,成分含量翻译单元接收到异常分析结果集合和废气信息分析集合后进行数据构建,其构建过程包括原废气信息分析集合的深度学习翻译和异常分析结果集合的深度学习翻译,最终两路翻译数据通过拼接后生成最终翻译数据(即废气描述属性构建信息),从而能够精确的获得废气的种类和含量,从而有利于帮助后续污染物的处理工作。
进一步地,可以将原分析单元正常输出的当前信息结果集合数据(即前述废气信息分析集合)经过预分析单元(预分析单元与翻译端(即成分含量翻译单元端)的翻译单元保持完全一致)进行预分析处理,得到预分析构建数据(即前述预分析水泥厂废气信息),预分析构建数据与历史数据(即前述待分析水泥厂废气信息)进行对比得到异常数据(即前述数据比较分析结果),经过描述比较分析模块对异常数据进行判断,当计算出的描述异常超过预设的描述目标值时,异常数据进入异常分析单元进行二次分析,得到异常分析结果集合,原始的废气信息分析集合和异常分析结果集合一并通过传输线程发送到翻译端。翻译端将两个结果集合数据分别接入正常翻译单元和异常翻译单元,并输出对应的数据(包括异常翻译数据字节和翻译结果),最终将两个输出数据进行拼接处理得到翻译输出数据(即前述废气描述属性构建信息)。
相反,当计算出的描述异常没有超过预设的描述目标值时,则可认为当前信息原始分析效果已经达到污染物描述要求,无需进一步通过异常分析进行改善,因此可以直接将原始的废气信息分析集合通过传输线程发送到翻译端。
其中,可以理解的是,若本申请实施例新增的异常分析单元和异常翻译单元是通过深度神经线程搭建得到的,则可以在原分析单元和翻译单元配置完成后,再进行异常分析单元和异常翻译单元的配置,换而言之,可以在已有的编码和翻译单元的基础上,去做异常编码和翻译单元的配置,相当于做了两次配置。
在本申请实施例中,可以先配置分析单元和翻译单元,比如可以利用数千个小时的废气描述属性进行分析单元和翻译单元的配置,配置完成后,分析单元和翻译单元的线程系数就固定不变了。进一步,可以将已经配置好的分析单元和翻译单元确定为一套可以直接使用的工具,在此基础上,既然有了翻译单元,也就说明预分析单元也有了(因为预分析单元与翻译单元完全一致),另外,加上预先配置好的数据分类单元(可以独立进行配置,能够实现数据分类,符合适配划分可信度的要求即可),就搭建出了闭环反馈框架,此时可以利用已经配置好的数据分类单元、分析单元以及预分析单元生成大量的比较分析结果配置示例,进而可以基于该比较分析结果配置示例进行异常分析单元和异常翻译单元的配置,配置完成后即可得到废气种类分析器和成分含量翻译单元。采用这样的配置方式,可以有效降低配置过程中存在的异常,提升配置效果。
在上述基础上,提供了一种水泥制造厂的废气成分监控装置,所述装置包括:
信息获得模块,用于获得待分析水泥厂废气信息对应的废气信息分析集合,对所述废气信息分析集合进行预分析处理,翻译得到所述废气信息分析集合对应的预分析水泥厂废气信息;所述待分析水泥厂废气信息为获得到的待处理分析指示所对应的水泥厂废气信息中的数据字节;
结果比较模块,用于对所述待分析水泥厂废气信息和所述预分析水泥厂废气信息进行比较分析,得到所述待分析水泥厂废气信息和所述预分析水泥厂废气信息之间的数据比较分析结果;
结果分析模块,用于响应于所述数据比较分析结果符合所述待处理分析指示对应的异常分析要求,对所述数据比较分析结果进行异常分析,得到与所述待分析水泥厂废气信息相关联的异常分析结果集合;所述异常分析结果集合翻译得到的异常翻译数据字节和所述废气信息分析集合翻译得到的翻译结果,用于构建得到所述待分析水泥厂废气信息对应的废气描述属性构建信息;所述废气描述属性构建信息用于构建得到所述待处理分析指示对应的废气分析要求。
在上述基础上,示出了一种水泥制造厂的废气成分监控系统,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述的方法。
在上述基础上,还提供了一种计算机可读存储介质,其上存储的计算机程序在运行时实现上述的方法。
综上,基于上述方案,可以获得待分析水泥厂废气信息对应的废气信息分析集合,并对废气信息分析集合进行预分析处理,从而翻译得到废气信息分析集合对应的预分析水泥厂废气信息;其中,该待分析水泥厂废气信息为获得到的待处理分析指示所对应的水泥厂废气信息中的数据字节;进一步地,可以对待分析水泥厂废气信息和预分析水泥厂废气信息进行比较分析,得到待分析水泥厂废气信息和预分析水泥厂废气信息之间的数据比较分析结果;响应于数据比较分析结果符合待处理分析指示对应的异常分析要求,可以对数据比较分析结果进行异常分析,得到与待分析水泥厂废气信息相关联的异常分析结果集合;其中,异常分析结果集合翻译得到的异常翻译数据字节和废气信息分析集合翻译得到的翻译结果,可用于构建得到待分析水泥厂废气信息对应的废气描述属性构建信息;该废气描述属性构建信息用于构建得到待处理分析指示对应的废气分析要求。由此可见,本申请通过在分析过程中加入预分析环节,可以对当前信息的深度学习分析输出(即待分析水泥厂废气信息对应的废气信息分析集合)进行相应的深度学习预分析,进而获得当前信息的比较分析结果(即数据比较分析结果),并可响应于符合异常分析要求,对当前比较分析结果进行二次分析,在后续的翻译过程中,通过翻译得到的异常翻译数据字节和翻译结果可以构建得到前述待分析水泥厂废气信息对应的废气描述属性构建信息,可以理解,由于本申请实施例对预分析构建数据(比如前述预分析水泥厂废气信息)与历史数据(比如前述待分析水泥厂废气信息)之间的实时异常进行了分析,因此能够精确的获得废气的种类和含量,从而有利于帮助后续污染物的处理工作。
应当理解,上述所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
Claims (5)
1.一种水泥制造厂的废气成分监控方法,其特征在于,所述方法包括:
获得待分析水泥厂废气信息对应的废气信息分析集合,对所述废气信息分析集合进行预分析处理,翻译得到所述废气信息分析集合对应的预分析水泥厂废气信息;所述待分析水泥厂废气信息为获得到的待处理分析指示所对应的水泥厂废气信息中的数据字节;
对所述待分析水泥厂废气信息和所述预分析水泥厂废气信息进行比较分析,得到所述待分析水泥厂废气信息和所述预分析水泥厂废气信息之间的数据比较分析结果;
响应于所述数据比较分析结果符合所述待处理分析指示对应的异常分析要求,对所述数据比较分析结果进行异常分析,得到与所述待分析水泥厂废气信息相关联的异常分析结果集合;所述异常分析结果集合翻译得到的异常翻译数据字节和所述废气信息分析集合翻译得到的翻译结果,用于构建得到所述待分析水泥厂废气信息对应的废气描述属性构建信息;所述废气描述属性构建信息用于构建得到所述待处理分析指示对应的废气分析要求;
其中,所述获得待分析水泥厂废气信息对应的废气信息分析集合,对所述废气信息分析集合进行预分析处理,翻译得到所述废气信息分析集合对应的预分析水泥厂废气信息,包括:
获得待处理分析指示所对应的水泥厂废气信息中的待分析水泥厂废气信息,对所述待分析水泥厂废气信息进行废气种类分析,得到所述待分析水泥厂废气信息对应的废气信息分析集合;
对所述废气信息分析集合进行预分析处理,翻译得到所述废气信息分析集合对应的预分析水泥厂废气信息;
其中,所述对所述待分析水泥厂废气信息进行废气种类分析,得到所述待分析水泥厂废气信息对应的废气信息分析集合,包括:
对所述待分析水泥厂废气信息进行特征提取,得到所述待分析水泥厂废气信息对应的废气描述特征;
对所述废气描述特征进行划分,得到所述待分析水泥厂废气信息对应的废气信息分析集合;
其中,所述对所述废气描述特征进行划分,得到所述待分析水泥厂废气信息对应的废气信息分析集合,包括:响应于获得到的所述待分析水泥厂废气信息对应的分析划分等级,基于与所述分析划分等级相匹配的第一划分可信度系数,对所述废气描述特征进行划分,得到划分后的废气描述特征,将所述划分后的废气描述特征确定为所述待分析水泥厂废气信息对应的废气信息分析集合;
其中,在所述获得待分析水泥厂废气信息对应的废气信息分析集合之前,所述方法还包括:
对所述待分析水泥厂废气信息进行种类识别,得到所述待分析水泥厂废气信息的种类;
依据所述待分析水泥厂废气信息的种类,对所述待分析水泥厂废气信息进行划分等级投影,得到所述待分析水泥厂废气信息对应的分析划分等级;
其中,所述依据所述待分析水泥厂废气信息的种类,对所述待分析水泥厂废气信息进行划分等级投影,得到所述待分析水泥厂废气信息对应的分析划分等级,包括:
获得配置的划分等级投影方式;所述划分等级投影方式用于存储不同种类与划分等级之间的投影关系;
在所述划分等级投影方式中寻找与所述待分析水泥厂废气信息的种类具有投影关系的划分等级,且将寻找到的划分等级确定为所述待分析水泥厂废气信息对应的分析划分等级;
其中,所述异常分析要求包括针对所述待处理分析指示配置的描述目标值;所述响应于所述数据比较分析结果符合所述待处理分析指示对应的异常分析要求,对所述数据比较分析结果进行异常分析,得到与所述待分析水泥厂废气信息相关联的异常分析结果集合,包括:
获得与所述待分析水泥厂废气信息相关联的污染物描述参数,对所述污染物描述参数、所述待分析水泥厂废气信息以及所述预分析水泥厂废气信息进行描述比较分析,得到所述数据比较分析结果对应的描述异常;
响应于所述描述异常大于所述描述目标值,确定所述数据比较分析结果符合所述待处理分析指示对应的所述异常分析要求,且对所述数据比较分析结果进行异常分析,得到与所述待分析水泥厂废气信息相关联的异常分析结果集合;
其中,所述对所述数据比较分析结果进行异常分析,得到与所述待分析水泥厂废气信息相关联的异常分析结果集合,包括:
对所述数据比较分析结果进行特征提取,得到所述数据比较分析结果对应的异常特征;
对所述异常特征进行划分,得到与所述待分析水泥厂废气信息相关联的异常分析结果集合;
其中,所述对所述异常特征进行划分,得到与所述待分析水泥厂废气信息相关联的异常分析结果集合,包括:响应于获得到的所述待分析水泥厂废气信息对应的分析划分等级,基于与所述分析划分等级相匹配的第二划分可信度系数,对所述异常特征进行划分,得到划分后的异常特征,将所述划分后的异常特征确定为与所述待分析水泥厂废气信息相关联的异常分析结果集合。
2.根据权利要求1所述的方法,其特征在于,所述对所述废气信息分析集合进行预分析处理,翻译得到所述废气信息分析集合对应的预分析水泥厂废气信息,包括:对所述废气信息分析集合中的划分后的废气描述特征进行解压缩处理,得到所述废气信息分析集合对应的预分析水泥厂废气信息。
3.根据权利要求1所述的方法,其特征在于,所述对所述待分析水泥厂废气信息和所述预分析水泥厂废气信息进行比较分析,得到所述待分析水泥厂废气信息和所述预分析水泥厂废气信息之间的数据比较分析结果,包括:将所述待分析水泥厂废气信息和所述预分析水泥厂废气信息进行对比,得到所述待分析水泥厂废气信息和所述预分析水泥厂废气信息之间的数据字节对比结果,将得到的数据字节对比结果确定为所述待分析水泥厂废气信息和所述预分析水泥厂废气信息之间的数据比较分析结果。
4.根据权利要求1所述的方法,其特征在于,还包括:响应于所述数据比较分析结果不符合所述异常分析要求,不对所述数据比较分析结果进行异常分析;所述废气信息分析集合翻译得到的翻译结果用于确定为所述待分析水泥厂废气信息对应的废气描述属性构建信息。
5.一种水泥制造厂的废气成分监控系统,其特征在于,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中读取计算机程序并执行,以实现权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311759484.3A CN117434227B (zh) | 2023-12-20 | 2023-12-20 | 一种水泥制造厂的废气成分监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311759484.3A CN117434227B (zh) | 2023-12-20 | 2023-12-20 | 一种水泥制造厂的废气成分监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117434227A CN117434227A (zh) | 2024-01-23 |
CN117434227B true CN117434227B (zh) | 2024-04-30 |
Family
ID=89558624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311759484.3A Active CN117434227B (zh) | 2023-12-20 | 2023-12-20 | 一种水泥制造厂的废气成分监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117434227B (zh) |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070107672A (ko) * | 2007-06-25 | 2007-11-07 | 센사타 테크놀로지스 홀랜드 비. 브이. | 기체 농도 계측을 위한 감지 모듈 및 방법 |
RU2008109435A (ru) * | 2008-03-14 | 2009-09-20 | Нина Юрьевна Келина (RU) | Способ определения выраженности загрязнения окружающей среды химическими соединениями для ранжирования их приоритетности |
DE102009051220A1 (de) * | 2009-10-29 | 2011-06-16 | Krause, Sven, Dr.-Ing. | Echtzeit-Analysevorrichtung für Flüssigkeiten von Maschinen |
CN102541021A (zh) * | 2012-01-18 | 2012-07-04 | 娄卡奔新能源科技发展(上海)有限公司 | 水泥行业环境监测管理中心系统 |
KR20150012643A (ko) * | 2013-07-26 | 2015-02-04 | 쌍용자동차 주식회사 | 차량의 배기가스 오염도 표시장치 및 그 방법 |
CN111783904A (zh) * | 2020-09-04 | 2020-10-16 | 平安国际智慧城市科技股份有限公司 | 基于环境数据的数据异常分析方法、装置、设备及介质 |
CN111813964A (zh) * | 2020-09-14 | 2020-10-23 | 平安国际智慧城市科技股份有限公司 | 基于生态环境的数据处理方法及相关设备 |
CN112037106A (zh) * | 2020-08-07 | 2020-12-04 | 汉威科技集团股份有限公司 | 一种基于特征互相关性和概率密度的数据异常分析方法 |
CN112232571A (zh) * | 2020-10-19 | 2021-01-15 | 广东长天思源环保科技股份有限公司 | 一种废气主要污染物浓度的预测方法 |
CN114580266A (zh) * | 2022-01-17 | 2022-06-03 | 南方海洋科学与工程广东省实验室(广州) | 一种陆源污染物智能综合评价方法及系统 |
CN115810409A (zh) * | 2022-12-08 | 2023-03-17 | 珠海高凌信息科技股份有限公司 | VOCs污染物分析方法及其装置、电子设备、存储介质 |
CN115965456A (zh) * | 2023-01-09 | 2023-04-14 | 中国工商银行股份有限公司 | 数据变动分析方法及装置 |
KR20230060605A (ko) * | 2021-10-27 | 2023-05-08 | (주) 넥스트랩 | 폐기물 정보 분석 시스템 및 방법 |
CN116359285A (zh) * | 2023-04-13 | 2023-06-30 | 北龙泽达(北京)数据科技有限公司 | 一种基于大数据的油气浓度智能检测系统及方法 |
KR20230104500A (ko) * | 2021-12-31 | 2023-07-10 | 위미르(주) | 인공지능 기반 배출가스 정밀 예측 시스템 |
CN116822970A (zh) * | 2023-08-30 | 2023-09-29 | 湖北省生态环境科学研究院(省生态环境工程评估中心) | 高环境健康风险污染物监管优先级的自动判断方法及系统 |
CN116975378A (zh) * | 2023-09-21 | 2023-10-31 | 江苏云天精筑环境科技有限公司 | 一种基于大数据的设备环境监测方法及系统 |
CN116992391A (zh) * | 2023-09-27 | 2023-11-03 | 青岛冠宝林活性炭有限公司 | 一种硬碳工艺环保监测数据采集处理方法 |
CN117034041A (zh) * | 2023-10-08 | 2023-11-10 | 山东智云信息科技有限公司 | 一种基于大数据的企业污染等级评估系统及处理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113704243A (zh) * | 2020-05-20 | 2021-11-26 | 富泰华工业(深圳)有限公司 | 数据分析方法、装置、计算机装置及存储介质 |
-
2023
- 2023-12-20 CN CN202311759484.3A patent/CN117434227B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070107672A (ko) * | 2007-06-25 | 2007-11-07 | 센사타 테크놀로지스 홀랜드 비. 브이. | 기체 농도 계측을 위한 감지 모듈 및 방법 |
RU2008109435A (ru) * | 2008-03-14 | 2009-09-20 | Нина Юрьевна Келина (RU) | Способ определения выраженности загрязнения окружающей среды химическими соединениями для ранжирования их приоритетности |
DE102009051220A1 (de) * | 2009-10-29 | 2011-06-16 | Krause, Sven, Dr.-Ing. | Echtzeit-Analysevorrichtung für Flüssigkeiten von Maschinen |
CN102541021A (zh) * | 2012-01-18 | 2012-07-04 | 娄卡奔新能源科技发展(上海)有限公司 | 水泥行业环境监测管理中心系统 |
KR20150012643A (ko) * | 2013-07-26 | 2015-02-04 | 쌍용자동차 주식회사 | 차량의 배기가스 오염도 표시장치 및 그 방법 |
CN112037106A (zh) * | 2020-08-07 | 2020-12-04 | 汉威科技集团股份有限公司 | 一种基于特征互相关性和概率密度的数据异常分析方法 |
CN111783904A (zh) * | 2020-09-04 | 2020-10-16 | 平安国际智慧城市科技股份有限公司 | 基于环境数据的数据异常分析方法、装置、设备及介质 |
CN111813964A (zh) * | 2020-09-14 | 2020-10-23 | 平安国际智慧城市科技股份有限公司 | 基于生态环境的数据处理方法及相关设备 |
CN112232571A (zh) * | 2020-10-19 | 2021-01-15 | 广东长天思源环保科技股份有限公司 | 一种废气主要污染物浓度的预测方法 |
KR20230060605A (ko) * | 2021-10-27 | 2023-05-08 | (주) 넥스트랩 | 폐기물 정보 분석 시스템 및 방법 |
KR20230104500A (ko) * | 2021-12-31 | 2023-07-10 | 위미르(주) | 인공지능 기반 배출가스 정밀 예측 시스템 |
CN114580266A (zh) * | 2022-01-17 | 2022-06-03 | 南方海洋科学与工程广东省实验室(广州) | 一种陆源污染物智能综合评价方法及系统 |
CN115810409A (zh) * | 2022-12-08 | 2023-03-17 | 珠海高凌信息科技股份有限公司 | VOCs污染物分析方法及其装置、电子设备、存储介质 |
CN115965456A (zh) * | 2023-01-09 | 2023-04-14 | 中国工商银行股份有限公司 | 数据变动分析方法及装置 |
CN116359285A (zh) * | 2023-04-13 | 2023-06-30 | 北龙泽达(北京)数据科技有限公司 | 一种基于大数据的油气浓度智能检测系统及方法 |
CN116822970A (zh) * | 2023-08-30 | 2023-09-29 | 湖北省生态环境科学研究院(省生态环境工程评估中心) | 高环境健康风险污染物监管优先级的自动判断方法及系统 |
CN116975378A (zh) * | 2023-09-21 | 2023-10-31 | 江苏云天精筑环境科技有限公司 | 一种基于大数据的设备环境监测方法及系统 |
CN116992391A (zh) * | 2023-09-27 | 2023-11-03 | 青岛冠宝林活性炭有限公司 | 一种硬碳工艺环保监测数据采集处理方法 |
CN117034041A (zh) * | 2023-10-08 | 2023-11-10 | 山东智云信息科技有限公司 | 一种基于大数据的企业污染等级评估系统及处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117434227A (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106547470B (zh) | 日志存储优化方法和设备 | |
CN110727437B (zh) | 代码优化项获取方法、装置、存储介质及电子设备 | |
CN113886182A (zh) | 一种告警收敛方法、装置及电子设备和存储介质 | |
US11269760B2 (en) | Systems and methods for automated testing using artificial intelligence techniques | |
CN112671726A (zh) | 工业控制协议解析方法、装置、电子设备和存储介质 | |
CN112466285B (zh) | 离线语音识别方法、装置、电子设备及存储介质 | |
CN111104214B (zh) | 一种工作流应用方法及装置 | |
CN117434227B (zh) | 一种水泥制造厂的废气成分监控方法及系统 | |
CN114151293A (zh) | 风机变桨系统的故障预警方法、系统、设备及存储介质 | |
US20210110487A1 (en) | Generating mode change alerts with automatic detection from sensor data | |
CN112783508A (zh) | 文件的编译方法、装置、设备以及存储介质 | |
US20170083637A1 (en) | Condition analysis | |
CN113408070A (zh) | 发动机参数的确定方法、装置、设备及存储介质 | |
CN108463813B (zh) | 一种进行数据处理的方法和装置 | |
CN115348320B (zh) | 一种通信数据的转换方法、装置、及电子设备 | |
US20220318593A1 (en) | System for generating natural language comment texts for multi-variate time series | |
CN115186738B (zh) | 模型训练方法、装置和存储介质 | |
CN113111200B (zh) | 审核图片文件的方法、装置、电子设备和存储介质 | |
CN115238779A (zh) | 一种云盘的异常检测方法、装置、设备及介质 | |
CN104765790A (zh) | 一种数据查询的方法和装置 | |
CN115879446B (zh) | 文本处理方法、深度学习模型训练方法、装置以及设备 | |
CN117611420B (zh) | 基于物联网的电动车还车数据处理方法及系统 | |
CN117725402B (zh) | 一种基于设备运行音频的设备异常状态确定方法及系统 | |
CN114168569B (zh) | 数据迁移方法、数据迁移装置、计算机设备及存储介质 | |
US20240211732A1 (en) | Multivariate time series forecaster using deep learning |
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 |