CN117540179B - 一种用于实现环境检测的方法及系统 - Google Patents
一种用于实现环境检测的方法及系统 Download PDFInfo
- Publication number
- CN117540179B CN117540179B CN202410033387.4A CN202410033387A CN117540179B CN 117540179 B CN117540179 B CN 117540179B CN 202410033387 A CN202410033387 A CN 202410033387A CN 117540179 B CN117540179 B CN 117540179B
- Authority
- CN
- China
- Prior art keywords
- data
- scene
- environment
- sequence
- time
- 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 105
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000007613 environmental effect Effects 0.000 claims abstract description 85
- 238000010586 diagram Methods 0.000 claims abstract description 76
- 238000004891 communication Methods 0.000 claims abstract description 62
- 238000011161 development Methods 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 18
- 230000006978 adaptation Effects 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 10
- 238000003891 environmental analysis Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 9
- 238000007726 management method Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000013179 statistical model Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2123/00—Data types
- G06F2123/02—Data types in the time domain, e.g. time-series data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及环境检测领域，揭露了一种用于实现环境检测的方法及系统，所述方法包括：分析环境检测场景的环境影响因子，配置环境影响因子的数据采集设备；识别数据采集设备的设备网口，确定数据采集设备的通信协议，构建数据采集设备的通信网络；利用数据采集设备对环境检测场景进行数据采集，得到场景环境数据，对场景环境数据进行序列化，得到序列场景环境数据；构建序列场景环境数据的散点图，计算散点图的序列平稳系数，确定散点图的时间序列模型；计算时间序列模型的残差系数，利用时间序列模型分析环境检测场景对应环境影响因子的因子发展状态，构建环境检测场景的环境分析报告。本发明可以提高对环境检测场景的环境检测效果。
Description
技术领域
本发明涉及环境检测领域，尤其涉及一种用于实现环境检测的方法及系统。
背景技术
环境检测是指对环境中的各种自然和人为因素进行监测、分析和评估的过程。这包括对空气质量、水质、土壤、噪声、辐射、生态系统等方面进行系统的检测和评估，以确保环境的健康和可持续性。环境检测的目的是了解环境中存在的污染物质、有害因素以及它们对人类和生态系统的影响，并采取相应的预防和控制措施来保护环境和人体健康。
目前环境检测主要是通过识别环境检测场景的待识别因子并对待识别因子的环境数据进行采集和量化的方式来实现，这种方法只能识别环境检测场景的历史环境和当前环境，无法预测环境检测场景的环境变化，从而使得对环境检测场景的环境检测缺少前瞻性。
发明内容
本发明提供一种用于实现环境检测的方法及系统，其主要目的在于提高对环境检测场景的环境检测效果。
为实现上述目的，本发明提供的一种用于实现环境检测的方法，包括：
分析环境检测场景的环境影响因子，配置所述环境影响因子的数据采集设备；
识别所述数据采集设备的设备网口，基于所述设备网口，确定所述数据采集设备的通信协议，基于所述通信协议，构建所述数据采集设备的通信网络；
基于所述通信网络，利用所述数据采集设备对所述环境检测场景进行数据采集，得到场景环境数据，对所述场景环境数据进行序列化，得到序列场景环境数据；
构建所述序列场景环境数据的散点图，计算所述散点图的序列平稳系数，基于所述序列平稳系数，确定所述散点图的时间序列模型；
基于所述散点图，计算所述时间序列模型的残差系数，当所述残差系数符合要求时，利用所述时间序列模型分析所述环境检测场景对应环境影响因子的因子发展状态，基于所述因子发展状态，构建所述环境检测场景的环境分析报告。
可选地，所述配置所述环境影响因子的数据采集设备，包括：
分析所述环境影响因子的因子特征；
基于所述因子特征，识别所述环境影响因子的获取规则；
基于所述获取规则，配置所述环境影响因子的数据采集设备。
可选地，所述基于所述设备网口，确定所述数据采集设备的通信协议，包括：
识别所述设备网口的网口类型；
基于所述网口类型，识别所述数据采集设备的适配协议；
计算所述数据采集设备的协议适配系数；
基于所述协议适配系数，确定所述数据采集设备的通信协议。
可选地，所述对所述场景环境数据进行序列化，得到序列场景环境数据，包括：
选择所述场景环境数据的时间参照点；
基于所述时间参照点，构建所述场景环境数据的时间轴；
基于所述时间轴，标记所述场景环境数据的时间节点；
基于所述时间节点，对所述场景环境数据进行序列化，得到所述序列场景环境数据。
可选地，所述构建所述序列场景环境数据的散点图，包括：
对所述序列场景环境数据进行预处理，得到处理环境数据；
确定所述处理环境数据的散点工具；
基于所述散点工具绘制所述处理环境数据的散点；
基于所述散点，构建所述处理环境数据的散点图。
可选地，所述计算所述散点图的序列平稳系数，包括：
标记所述散点图对应数据点的数据观测值；
基于所述数据观测值，计算所述数据点的数据均值；
基于所述数据观测值和所述数据均值，计算所述散点图的自相关系数；
基于所述自相关系数，计算所述散点图的序列平稳系数。
可选地，所述基于所述数据观测值和所述数据均值，计算所述散点图的自相关系数，包括：
基于所述数据观测值和所述数据均值，利用下述公式计算所述散点图的自相关系数：
；
其中，τR表示散点图对应数据点滞后R的自相关系数，St表示散点图对应数据点在t时刻的数据观测值，表示散点图对应数据点的数据均值，R表示对散点图对应数据点在t时刻的滞后时间单位，T表示散点图对应数据点的数量。
可选地，所述基于所述自相关系数，计算所述散点图的序列平稳系数，包括：
基于所述自相关系数，利用下述公式计算所述散点图的序列平稳系数:
；
其中，ρ表示散点图的序列平稳系数，R表示对散点图对应数据点在t时刻的滞后时间单位，T表示散点图对应数据点的数量，τR表示散点图对应数据点滞后R的自相关系数。
可选地，所述基于所述散点图，计算所述时间序列模型的残差系数，包括：
确定所述时间序列模型的拟合参数；
基于所述拟合参数，利用所述时间序列模型分析所述散点图的预测值；
基于所述预测值，利用下述公式计算所述时间序列模型的残差系数：
；
其中，σ表示时间序列模型的残差系数，Ev表示时间序列模型对散点图对应数据点v时刻的预测值，表示散点图对应数据点v时刻的实际观测值。
为了解决上述问题，本发明还提供一种用于实现环境检测的系统，所述系统包括：
采集设备配置模块，用于分析环境检测场景的环境影响因子，配置所述环境影响因子的数据采集设备；
通信网络构建模块，用于识别所述数据采集设备的设备网口，基于所述设备网口，确定所述数据采集设备的通信协议，基于所述通信协议，构建所述数据采集设备的通信网络；
数据序列化模块，用于基于所述通信网络，利用所述数据采集设备对所述环境检测场景进行数据采集，得到场景环境数据，对所述场景环境数据进行序列化，得到序列场景环境数据；
序列模型构建模块，用于构建所述序列场景环境数据的散点图，计算所述散点图的序列平稳系数，基于所述序列平稳系数，确定所述散点图的时间序列模型；
场景环境分析模块，用于基于所述散点图，计算所述时间序列模型的残差系数，当所述残差系数符合要求时，利用所述时间序列模型分析所述环境检测场景对应环境影响因子的因子发展状态，基于所述因子发展状态，构建所述环境检测场景的环境分析报告。
本发明实施例通过配置所述环境影响因子的数据采集设备可以通过设备实现环境因子数据的采集；本发明实施例通过基于所述设备网口，确定所述数据采集设备的通信协议可以为后期进行设备的联网提供网络支持；本发明实施例通过对所述场景环境数据进行序列化，得到序列场景环境数据可以将数据按照时间进行排列，从而为后期对数据进行时间特征分析提供数据依据；进一步地，本发明实施例通过构建所述序列场景环境数据的散点图可以更加直观的识别数据信息，进一步地，本发明实施例通过计算所述散点图的序列平稳系数可以分析所述散点图是否平稳从而可以更准确地建立和估计统计模型，最后，本发明实施例基于所述序列平稳系数，确定所述散点图的时间序列模型可以通过模型对预测未来的数据值来识别和量化数据中的长期趋势，本发明实施例基于所述散点图，计算所述时间序列模型的残差系数评可以估模型的适用性、检测潜在错误、确定模型复杂度以及改进模型预测并通过所述环境检测场景的环境分析报告可以实现对环境检测场景的历史、当前以及未来的环境进行分析，提高了对所述环境检测场景的环境分析效果。因此本发明提出的用于实现环境检测的方法及系统，可以提高对环境检测场景的环境检测效果。
附图说明
图1为本发明一实施例提供的用于实现环境检测的方法的流程示意图；
图2为本发明一实施例提供的用于实现环境检测的系统的功能模块图；
图3为本发明一实施例提供的用于实现环境检测的系统的电子设备的结构示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种用于实现环境检测的方法。所述用于实现环境检测的方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述用于实现环境检测的方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的用于实现环境检测的方法的流程示意图。在本实施例中，所述用于实现环境检测的方法包括：
S1、分析环境检测场景的环境影响因子，配置所述环境影响因子的数据采集设备。
本发明实施例中，所述环境影响因子是指影响所述环境检测场景环境的因素，例如温度、湿度、太阳辐射、空气质量等因素。
进一步地，本发明实施例通过配置所述环境影响因子的数据采集设备可以通过设备实现环境因子数据的采集。其中，所述数据采集设备是指用来采集所述环境影响因子数据的设备，例如温度传感器、太阳辐射测量仪等设备。
作为本发明的一个实施例，所述配置所述环境影响因子的数据采集设备，包括：分析所述环境影响因子的因子特征；基于所述因子特征，识别所述环境影响因子的获取规则；基于所述获取规则，配置所述环境影响因子的数据采集设备。
其中，所述因子特征是指所述环境影响因子的特征属性，例如复杂性、不确定性、交互性等特征属性，所述获取规则是指所述环境影响因子数据获取的方式，例如所述环境影响因子中的温度可以通过温度传感器采集，所述环境影响因子中的空气污染物需要对空气进行化学实验来分析。
S2、识别所述数据采集设备的设备网口，基于所述设备网口，确定所述数据采集设备的通信协议，基于所述通信协议，构建所述数据采集设备的通信网络。
本发明实施例中，所述设备网口是指设备用来连接到网络（如局域网、广域网）的物理或逻辑接口。
进一步地，本发明实施例通过基于所述设备网口，确定所述数据采集设备的通信协议可以为后期进行设备的联网提供网络支持。其中，所述通信协议是指确保不同设备和网络之间能够有效地进行通信的协议，例如FTP、TCP等协议。
作为本发明的一个实施例，所述基于所述设备网口，确定所述数据采集设备的通信协议，包括：识别所述设备网口的网口类型；基于所述网口类型，识别所述数据采集设备的适配协议；计算所述数据采集设备的协议适配系数；基于所述协议适配系数，确定所述数据采集设备的通信协议。
其中，所述网口类型是指所述设备网口网络设备上用于连接网络的接口类型，例如RJ-45端口、光纤端口、AUI端口等端口，所述适配协议是指所述网口类型可以适配的协议，所述协议适配系数是指不同协议对所述网口类型的适配程度。
本发明实施例基于所述通信协议，构建所述数据采集设备的通信网络可以实现所述数据采集设备的数据通信。其中，所述通信网络是指可以实现所述数据采集设备之间数据传输的网络。所述基于所述通信协议，构建所述数据采集设备的通信网络可以通过调节所述数据采集设备的网络参数，如IP地址、子网掩码、网关、DNS等参数来实现。
S3、基于所述通信网络，利用所述数据采集设备对所述环境检测场景进行数据采集，得到场景环境数据，对所述场景环境数据进行序列化，得到序列场景环境数据。
本发明实施例中，所述场景环境数据是指所述环境检测场景的环境数据，例如温度数据、空气数据等数据。
本发明实施例通过对所述场景环境数据进行序列化，得到序列场景环境数据可以将数据按照时间进行排列，从而为后期对数据进行时间特征分析提供数据依据。其中，所述序列场景环境数据是指将所述场景环境数据按照时间进行排列后的数据集合。
作为本发明的一个实施例，所述对所述场景环境数据进行序列化，得到序列场景环境数据，包括：选择所述场景环境数据的时间参照点；基于所述时间参照点，构建所述场景环境数据的时间轴；基于所述时间轴，标记所述场景环境数据的时间节点；基于所述时间节点，对所述场景环境数据进行序列化，得到所述序列场景环境数据。
其中，所述时间参照点是指用来构建所述场景环境数据时间线的参照时间点，所述时间轴是指以所述时间参照点为原点构建的时间轴，所述时间节点是指对所述场景环境数据进行采集的时间点。
S4、构建所述序列场景环境数据的散点图，计算所述散点图的序列平稳系数，基于所述序列平稳系数，确定所述散点图的时间序列模型。
本发明实施例通过构建所述序列场景环境数据的散点图可以更加直观的识别数据信息。其中，所述散点图是指表示场景环境中的数据分布和变量间关系的图标类型。
可选地，作为本发明的一个实施例，所述构建所述序列场景环境数据的散点图，包括：对所述序列场景环境数据进行预处理，得到处理环境数据；确定所述处理环境数据的散点工具；基于所述散点工具绘制所述处理环境数据的散点；基于所述散点，构建所述处理环境数据的散点图。
其中，所述处理环境数据是指对所述序列场景环境数据进行无效值删除、缺失值补充等操作后的数据集合，所述散点工具是指绘制散点图的工具，如R中的ggplot2、Python中的Matplotlib或Seaborn等，所述散点是指所述处理环境数据的分布点。
进一步地，本发明实施例通过计算所述散点图的序列平稳系数可以分析所述散点图是否平稳从而可以更准确地建立和估计统计模型。其中，所述序列平稳系数是指所述散点图中序列的平稳程度。
可选地，作为本发明的一个实施例，所述计算所述散点图的序列平稳系数，包括：标记所述散点图对应数据点的数据观测值；基于所述数据观测值，计算所述数据点的数据均值；基于所述数据观测值和所述数据均值，计算所述散点图的自相关系数；基于所述自相关系数，计算所述散点图的序列平稳系数。
其中，所述数据观测值是指所述散点图对应数据点在某一时刻的值，所述数据均值是指所述数据观测值的均值，所述自相关系数是指是用来衡量散点图对应数据点序列与其自身在不同时间滞后下的相关程度。
可选地，作为本发明的一可选实施例，所述基于所述数据观测值和所述数据均值，计算所述散点图的自相关系数，包括：基于所述数据观测值和所述数据均值，利用下述公式计算所述散点图的自相关系数：
；
其中，τR表示散点图对应数据点滞后R的自相关系数，St表示散点图对应数据点在t时刻的数据观测值，表示散点图对应数据点的数据均值，R表示对散点图对应数据点在t时刻的滞后时间单位，T表示散点图对应数据点的数量。
可选地，作为本发明的一可选实施例，所述基于所述自相关系数，计算所述散点图的序列平稳系数，包括：基于所述自相关系数，利用下述公式计算所述散点图的序列平稳系数:
；
其中，ρ表示散点图的序列平稳系数，R表示对散点图对应数据点在t时刻的滞后时间单位，T表示散点图对应数据点的数量，τR表示散点图对应数据点滞后R的自相关系数。
本发明实施例基于所述序列平稳系数，确定所述散点图的时间序列模型可以通过模型对预测未来的数据值来识别和量化数据中的长期趋势。其中，所述时间序列模型是用来分析和预测时间序列数据（随时间变化的数据）的一类统计模型，所述基于所述序列平稳系数，确定所述散点图的时间序列模型主要通过所述序列平稳系数和预设的标准平稳值，分析所述散点图的序列是否平稳，如果序列是非平稳的，需要确定进行差分的次数，一旦确定了序列的平稳性，并且进行了必要的差分，就可以构建时间序列模型。对于平稳序列，常见的模型包括自回归模型（AR）、移动平均模型（MA）、自回归移动平均模型（ARMA）和自回归积分滑动平均模型（ARIMA）。
S5、基于所述散点图，计算所述时间序列模型的残差系数，当所述残差系数符合要求时，利用所述时间序列模型分析所述环境检测场景对应环境影响因子的因子发展状态，基于所述因子发展状态，构建所述环境检测场景的环境分析报告。
本发明实施例基于所述散点图，计算所述时间序列模型的残差系数评可以估模型的适用性、检测潜在错误、确定模型复杂度以及改进模型预测。其中，所述残差系数是指用于评估时间序列模型对数据的拟合程度。
作为本发明的一可选实施例，所述基于所述散点图，计算所述时间序列模型的残差系数，包括：确定所述时间序列模型的拟合参数；基于所述拟合参数，利用所述时间序列模型分析所述散点图的预测值；基于所述预测值，利用下述公式计算所述时间序列模型的残差系数：
；
其中，σ表示时间序列模型的残差系数，Ev表示时间序列模型对散点图对应数据点v时刻的预测值，表示散点图对应数据点v时刻的实际观测值。
可选地，本发明实施例通过当所述残差系数符合要求时，利用所述时间序列模型分析所述环境检测场景对应环境影响因子的因子发展状态可以对所述环境检测场景的环境进行预测，从而提高了对场景环境分析的效果。其中，所述因子发展状态是指所述环境影响因子随着时间不断变换的状态。所述因子发展状态是通过所述时间序列模型对所述环境影响因子未来的值进行预测来实现。
进一步地，本发明实施例基于所述因子发展状态，构建所述环境检测场景的环境分析报告可以实现对环境检测场景的历史、当前以及未来的环境进行分析，提高了对所述环境检测场景的环境分析效果。其中，所述环境分析报告包括对所述环境检测场景的环境评估以及未来的环境预测。
本发明实施例通过配置所述环境影响因子的数据采集设备可以通过设备实现环境因子数据的采集；本发明实施例通过基于所述设备网口，确定所述数据采集设备的通信协议可以为后期进行设备的联网提供网络支持；本发明实施例通过对所述场景环境数据进行序列化，得到序列场景环境数据可以将数据按照时间进行排列，从而为后期对数据进行时间特征分析提供数据依据；进一步地，本发明实施例通过构建所述序列场景环境数据的散点图可以更加直观的识别数据信息，进一步地，本发明实施例通过计算所述散点图的序列平稳系数可以分析所述散点图是否平稳从而可以更准确地建立和估计统计模型，最后，本发明实施例基于所述序列平稳系数，确定所述散点图的时间序列模型可以通过模型对预测未来的数据值来识别和量化数据中的长期趋势，本发明实施例基于所述散点图，计算所述时间序列模型的残差系数评可以估模型的适用性、检测潜在错误、确定模型复杂度以及改进模型预测并通过所述环境检测场景的环境分析报告可以实现对环境检测场景的历史、当前以及未来的环境进行分析，提高了对所述环境检测场景的环境分析效果。因此本发明提出的用于实现环境检测的方法，可以提高对环境检测场景的环境检测效果。
如图2所示，是本发明一实施例提供的用于实现环境检测的系统的功能模块图。
本发明所述用于实现环境检测的系统200可以安装于电子设备中。根据实现的功能，所述用于实现环境检测的系统200可以包括采集设备配置模块201、通信网络构建模块202、数据序列化模块203、序列模型构建模块204及场景环境分析模块205。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述采集设备配置模块201，用于分析环境检测场景的环境影响因子，配置所述环境影响因子的数据采集设备；
所述通信网络构建模块202，用于识别所述数据采集设备的设备网口，基于所述设备网口，确定所述数据采集设备的通信协议，基于所述通信协议，构建所述数据采集设备的通信网络；
所述数据序列化模块203，用于基于所述通信网络，利用所述数据采集设备对所述环境检测场景进行数据采集，得到场景环境数据，对所述场景环境数据进行序列化，得到序列场景环境数据；
所述序列模型构建模块204，用于构建所述序列场景环境数据的散点图，计算所述散点图的序列平稳系数，基于所述序列平稳系数，确定所述散点图的时间序列模型；
所述场景环境分析模块205，用于基于所述散点图，计算所述时间序列模型的残差系数，当所述残差系数符合要求时，利用所述时间序列模型分析所述环境检测场景对应环境影响因子的因子发展状态，基于所述因子发展状态，构建所述环境检测场景的环境分析报告。
详细地，本发明实施例中所述用于实现环境检测的系统200中所述的各模块在使用时采用与附图中所述的用于实现环境检测的方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
本发明一实施例提供了实现用于实现环境检测的方法的电子设备。
参见图3所示，所述电子设备可以包括处理器30、存储器31、通信总线32以及通信接口33，还可以包括存储在所述存储器31中并可在所述处理器30上运行的计算机程序，如用于实现环境检测的方法程序。
其中，所述处理器在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing Unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器是所述电子设备的控制核心（Control Unit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器内的程序或者模块（例如执行用于实现环境检测的程序等），以及调用存储在所述存储器内的数据，以执行电子设备的各种功能和处理数据。
所述存储器至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card，SMC）、安全数字（Secure Digital，SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于用于实现环境检测的程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线可以是外设部件互连标准（Peripheral Component Interconnect，简称PCI）总线或扩展工业标准结构（Extended Industry Standard Architecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器以及至少一个处理器等之间的连接通信。
所述通信接口用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理系统与所述至少一个处理器逻辑相连，从而通过电源管理系统实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器存储的用于实现环境检测的程序是多个指令的组合，在所述处理器中运行时，可以实现：
分析环境检测场景的环境影响因子，配置所述环境影响因子的数据采集设备；
识别所述数据采集设备的设备网口，基于所述设备网口，确定所述数据采集设备的通信协议，基于所述通信协议，构建所述数据采集设备的通信网络；
基于所述通信网络，利用所述数据采集设备对所述环境检测场景进行数据采集，得到场景环境数据，对所述场景环境数据进行序列化，得到序列场景环境数据；
构建所述序列场景环境数据的散点图，计算所述散点图的序列平稳系数，基于所述序列平稳系数，确定所述散点图的时间序列模型；
基于所述散点图，计算所述时间序列模型的残差系数，当所述残差系数符合要求时，利用所述时间序列模型分析所述环境检测场景对应环境影响因子的因子发展状态，基于所述因子发展状态，构建所述环境检测场景的环境分析报告。
具体地，所述处理器对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或系统、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
分析环境检测场景的环境影响因子，配置所述环境影响因子的数据采集设备；
识别所述数据采集设备的设备网口，基于所述设备网口，确定所述数据采集设备的通信协议，基于所述通信协议，构建所述数据采集设备的通信网络；
基于所述通信网络，利用所述数据采集设备对所述环境检测场景进行数据采集，得到场景环境数据，对所述场景环境数据进行序列化，得到序列场景环境数据；
构建所述序列场景环境数据的散点图，计算所述散点图的序列平稳系数，基于所述序列平稳系数，确定所述散点图的时间序列模型；
基于所述散点图，计算所述时间序列模型的残差系数，当所述残差系数符合要求时，利用所述时间序列模型分析所述环境检测场景对应环境影响因子的因子发展状态，基于所述因子发展状态，构建所述环境检测场景的环境分析报告。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或系统也可以由一个单元或系统通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (7)
1.一种用于实现环境检测的方法，其特征在于，所述方法包括：
分析环境检测场景的环境影响因子，配置所述环境影响因子的数据采集设备；
识别所述数据采集设备的设备网口，基于所述设备网口，确定所述数据采集设备的通信协议，基于所述通信协议，构建所述数据采集设备的通信网络；
基于所述通信网络，利用所述数据采集设备对所述环境检测场景进行数据采集，得到场景环境数据，对所述场景环境数据进行序列化，得到序列场景环境数据；
构建所述序列场景环境数据的散点图，计算所述散点图的序列平稳系数，基于所述序列平稳系数，确定所述散点图的时间序列模型，所述计算所述散点图的序列平稳系数，包括：
标记所述散点图对应数据点的数据观测值；
基于所述数据观测值，计算所述数据点的数据均值；
基于所述数据观测值和所述数据均值，利用下述公式计算所述散点图的自相关系数：
；
其中，表示散点图对应数据点滞后/>的自相关系数，/>表示散点图对应数据点在/>时刻的数据观测值，/>表示散点图对应数据点的数据均值，/>表示对散点图对应数据点在/>时刻的滞后时间单位，/>表示散点图对应数据点的数量；
基于所述自相关系数，利用下述公式计算所述散点图的序列平稳系数：
；
其中，表示散点图的序列平稳系数，/>表示对散点图对应数据点在/>时刻的滞后时间单位，/>表示散点图对应数据点的数量，/>表示散点图对应数据点滞后/>的自相关系数；
基于所述散点图，计算所述时间序列模型的残差系数，当所述残差系数符合要求时，利用所述时间序列模型分析所述环境检测场景对应环境影响因子的因子发展状态，基于所述因子发展状态，构建所述环境检测场景的环境分析报告。
2.如权利要求1所述的用于实现环境检测的方法，其特征在于，所述配置所述环境影响因子的数据采集设备，包括：
分析所述环境影响因子的因子特征；
基于所述因子特征，识别所述环境影响因子的获取规则；
基于所述获取规则，配置所述环境影响因子的数据采集设备。
3.如权利要求1所述的用于实现环境检测的方法，其特征在于，所述基于所述设备网口，确定所述数据采集设备的通信协议，包括：
识别所述设备网口的网口类型；
基于所述网口类型，识别所述数据采集设备的适配协议；
计算所述数据采集设备的协议适配系数；
基于所述协议适配系数，确定所述数据采集设备的通信协议。
4.如权利要求1所述的用于实现环境检测的方法，其特征在于，所述对所述场景环境数据进行序列化，得到序列场景环境数据，包括：
选择所述场景环境数据的时间参照点；
基于所述时间参照点，构建所述场景环境数据的时间轴；
基于所述时间轴，标记所述场景环境数据的时间节点；
基于所述时间节点，对所述场景环境数据进行序列化，得到所述序列场景环境数据。
5.如权利要求1所述的用于实现环境检测的方法，其特征在于，所述构建所述序列场景环境数据的散点图，包括：
对所述序列场景环境数据进行预处理，得到处理环境数据；
确定所述处理环境数据的散点工具；
基于所述散点工具绘制所述处理环境数据的散点；
基于所述散点，构建所述处理环境数据的散点图。
6.如权利要求1所述的用于实现环境检测的方法，其特征在于，所述基于所述散点图，计算所述时间序列模型的残差系数，包括：
确定所述时间序列模型的拟合参数；
基于所述拟合参数，利用所述时间序列模型分析所述散点图的预测值；
基于所述预测值，利用下述公式计算所述时间序列模型的残差系数：
；
其中，表示时间序列模型的残差系数，/>表示时间序列模型对散点图对应数据点/>时刻的预测值，/>表示散点图对应数据点/>时刻的实际观测值。
7.一种用于实现环境检测的系统，其特征在于，用于执行如权利要求1-6中任意一项所述的用于实现环境检测的方法，所述系统包括：
采集设备配置模块，用于分析环境检测场景的环境影响因子，配置所述环境影响因子的数据采集设备；
通信网络构建模块，用于识别所述数据采集设备的设备网口，基于所述设备网口，确定所述数据采集设备的通信协议，基于所述通信协议，构建所述数据采集设备的通信网络；
数据序列化模块，用于基于所述通信网络，利用所述数据采集设备对所述环境检测场景进行数据采集，得到场景环境数据，对所述场景环境数据进行序列化，得到序列场景环境数据；
序列模型构建模块，用于构建所述序列场景环境数据的散点图，计算所述散点图的序列平稳系数，基于所述序列平稳系数，确定所述散点图的时间序列模型，所述计算所述散点图的序列平稳系数，包括：
标记所述散点图对应数据点的数据观测值；
基于所述数据观测值，计算所述数据点的数据均值；
基于所述数据观测值和所述数据均值，利用下述公式计算所述散点图的自相关系数：
；
其中，表示散点图对应数据点滞后/>的自相关系数，/>表示散点图对应数据点在/>时刻的数据观测值，/>表示散点图对应数据点的数据均值，/>表示对散点图对应数据点在/>时刻的滞后时间单位，/>表示散点图对应数据点的数量；
基于所述自相关系数，利用下述公式计算所述散点图的序列平稳系数：
；
其中，表示散点图的序列平稳系数，/>表示对散点图对应数据点在/>时刻的滞后时间单位，/>表示散点图对应数据点的数量，/>表示散点图对应数据点滞后/>的自相关系数；
场景环境分析模块，用于基于所述散点图，计算所述时间序列模型的残差系数，当所述残差系数符合要求时，利用所述时间序列模型分析所述环境检测场景对应环境影响因子的因子发展状态，基于所述因子发展状态，构建所述环境检测场景的环境分析报告。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410033387.4A CN117540179B (zh) | 2024-01-10 | 2024-01-10 | 一种用于实现环境检测的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410033387.4A CN117540179B (zh) | 2024-01-10 | 2024-01-10 | 一种用于实现环境检测的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117540179A CN117540179A (zh) | 2024-02-09 |
| CN117540179B true CN117540179B (zh) | 2024-04-12 |
Family
ID=89784669
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410033387.4A Active CN117540179B (zh) | 2024-01-10 | 2024-01-10 | 一种用于实现环境检测的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117540179B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108984870A (zh) * | 2018-06-29 | 2018-12-11 | 中国科学院深圳先进技术研究院 | 基于arima的冷库温湿度数据预测方法及相关产品 |
| CN110083803A (zh) * | 2019-04-22 | 2019-08-02 | 水利部信息中心 | 基于时间序列arima模型取水异常检测方法与系统 |
| CN116186594A (zh) * | 2023-04-26 | 2023-05-30 | 成都市环境应急指挥保障中心 | 基于决策网络结合大数据实现环境变化趋势智能检测方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10802009B2 (en) * | 2016-12-06 | 2020-10-13 | Ning Zeng | Networked environmental monitoring system and method |
| US11567914B2 (en) * | 2018-09-14 | 2023-01-31 | Verint Americas Inc. | Framework and method for the automated determination of classes and anomaly detection methods for time series |
-
2024
- 2024-01-10 CN CN202410033387.4A patent/CN117540179B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108984870A (zh) * | 2018-06-29 | 2018-12-11 | 中国科学院深圳先进技术研究院 | 基于arima的冷库温湿度数据预测方法及相关产品 |
| CN110083803A (zh) * | 2019-04-22 | 2019-08-02 | 水利部信息中心 | 基于时间序列arima模型取水异常检测方法与系统 |
| CN116186594A (zh) * | 2023-04-26 | 2023-05-30 | 成都市环境应急指挥保障中心 | 基于决策网络结合大数据实现环境变化趋势智能检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于ARIMA模型的合肥市空气质量指数预测;桂扬 等;阴山学刊(自然科学版);20180116;第32卷(第02期);第12-123页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117540179A (zh) | 2024-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8832839B2 (en) | Assessing system performance impact of security attacks | |
| US10401401B2 (en) | System and methods thereof for monitoring of energy consumption cycles | |
| KR101953558B1 (ko) | 스마트 기기 결함 관리 장치 및 방법 | |
| CN101375282A (zh) | 用于对电路进行评估的方法、系统和程序产品 | |
| CN113449703B (zh) | 环境在线监测数据的质控方法、装置、存储介质及设备 | |
| CN114061659A (zh) | 设备监测方法、装置、电子设备、存储介质及程序产品 | |
| CN110490132B (zh) | 数据处理方法和装置 | |
| CN117540179B (zh) | 一种用于实现环境检测的方法及系统 | |
| CN113094325A (zh) | 设备部署方法、装置、计算机系统和计算机可读存储介质 | |
| CN111814106A (zh) | 时序数据滞后性处理方法、装置、电子设备及存储介质 | |
| CN116714469A (zh) | 充电桩健康监测方法、装置、终端及存储介质 | |
| CN107688878B (zh) | 空气质量预测方法及装置 | |
| US7778804B2 (en) | Network system analysis | |
| CN110751055A (zh) | 一种智能制造系统 | |
| CN115495734A (zh) | 一种基于大数据的企业档案信息管理系统及方法 | |
| Sanislav et al. | A new approach towards increasing cyber-physical systems dependability | |
| CN117235480B (zh) | 基于大数据实现数据加工下的筛选方法及系统 | |
| CN117476250B (zh) | 基于多目标跟踪的流行病调查预测方法、装置及可读介质 | |
| CN117093429B (zh) | 一种服务器稳定性评价方法及系统 | |
| CN113868093B (zh) | 垃圾文件监测方法、装置、设备及存储介质 | |
| CN116990744B (zh) | 一种电能表检测方法、装置、设备及介质 | |
| CN116204379B (zh) | 一种服务端软件健康检测方法及装置 | |
| CN118014310A (zh) | 应用于园区巡检下的点位巡更方法及系统 | |
| CN117791477A (zh) | 基于物联网智能熟化设备过热保护的方法及系统 | |
| CN117766067A (zh) | Aop固体碱材料性能检测数据分析方法及系统 |
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 |