CN117740749B - 基于数据分析的城市病媒密度控制系统 - Google Patents
基于数据分析的城市病媒密度控制系统 Download PDFInfo
- Publication number
- CN117740749B CN117740749B CN202410177298.7A CN202410177298A CN117740749B CN 117740749 B CN117740749 B CN 117740749B CN 202410177298 A CN202410177298 A CN 202410177298A CN 117740749 B CN117740749 B CN 117740749B
- Authority
- CN
- China
- Prior art keywords
- disease
- monitoring
- disease medium
- data
- information
- 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
- 201000010099 disease Diseases 0.000 title claims abstract description 354
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 354
- 238000007405 data analysis Methods 0.000 title claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 180
- 238000005096 rolling process Methods 0.000 claims abstract description 121
- 230000002159 abnormal effect Effects 0.000 claims abstract description 58
- 230000007246 mechanism Effects 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000029918 bioluminescence Effects 0.000 claims abstract description 16
- 238000005415 bioluminescence Methods 0.000 claims abstract description 16
- 230000005284 excitation Effects 0.000 claims abstract description 13
- 230000036541 health Effects 0.000 claims abstract description 13
- 230000003287 optical effect Effects 0.000 claims abstract description 12
- 239000000126 substance Substances 0.000 claims abstract description 11
- 230000005540 biological transmission Effects 0.000 claims description 74
- 239000013598 vector Substances 0.000 claims description 63
- 230000001360 synchronised effect Effects 0.000 claims description 32
- 230000004071 biological effect Effects 0.000 claims description 29
- 230000000694 effects Effects 0.000 claims description 25
- 230000005856 abnormality Effects 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 16
- 239000000523 sample Substances 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 230000001934 delay Effects 0.000 claims description 7
- 239000003550 marker Substances 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 239000012472 biological sample Substances 0.000 claims description 3
- 230000001678 irradiating effect Effects 0.000 claims description 3
- 230000001443 photoexcitation Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000004949 mass spectrometry Methods 0.000 claims 14
- 230000005541 medical transmission Effects 0.000 abstract description 10
- 238000005286 illumination Methods 0.000 abstract description 9
- 208000035473 Communicable disease Diseases 0.000 abstract description 7
- 208000015181 infectious disease Diseases 0.000 abstract description 5
- 239000003795 chemical substances by application Substances 0.000 description 24
- 230000006399 behavior Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000012731 temporal analysis Methods 0.000 description 5
- 238000000700 time series analysis Methods 0.000 description 5
- 241000255925 Diptera Species 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000012300 Sequence Analysis Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 241000238876 Acari Species 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010224 classification analysis Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 208000001490 Dengue Diseases 0.000 description 1
- 206010012310 Dengue fever Diseases 0.000 description 1
- 208000016604 Lyme disease Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004791 biological behavior Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 208000025729 dengue disease Diseases 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 201000004792 malaria Diseases 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 230000001850 reproductive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了基于数据分析的城市病媒密度控制系统,涉及城市病媒密度控制技术领域,包括诱捕机制模块、光学激发模块、实时精度监控模块、预警模块、数据处理与分类识别模块以及信息提供模块。本发明通过对滚动式病媒监测器监测病媒生物信息时的监测精度进行实时监控,有效解决了滚动式病媒监测器监测精度异常可能导致误导性数据和错误评估的问题,及时的异常预警使卫生部门能够快速响应,采取相应的控制措施,从而降低了传染病传播的潜在风险,通过引入特定波长的光源,激发病媒生物体内的荧光标记或生物发光物质,实现在低光照环境下对病媒的实时监测,使滚动式病媒监测器具备更强的适应性,不再受到低光照环境的限制。
Description
技术领域
本发明涉及城市病媒密度控制技术领域,具体涉及基于数据分析的城市病媒密度控制系统。
背景技术
城市病媒指城市中病媒生物的密度,也就是传播疾病的生物的数量。病媒生物是指那些能够携带和传播病原体的生物,如蚊子、蜱虫、苍蝇等。在城市环境中,由于人口密集、环境变化等因素,病媒生物的密度可能会增加,从而增加了疾病传播的风险。这可能包括传播各种传染病的病媒,例如蚊子传播疟疾、登革热,蜱虫传播莱姆病等。城市病媒密度的增加可能与城市化、环境污染、气候变化等因素有关。例如,城市中的水体、垃圾堆积、不合理的废水排放等可能为病媒提供了繁殖和生存的场所。气候变化也可能导致一些病媒生物的分布范围扩大,增加它们与人类的接触机会。
滚动式病媒监测器在城市病媒控制中发挥关键作用,这种监测器通过捕捉空气中的病媒生物,如蚊子,然后对其进行分析,提供实时的数据以监测病媒的密度和活动水平。这些监测数据为卫生部门提供了关于城市中潜在疾病传播的信息,使其能够及时采取相应的控制策略。通过持续监测病媒的活动和分布,滚动式病媒监测器帮助决策者更准确地了解病媒生物的生态学行为,从而有针对性地制定防控措施,这包括合理施放杀虫剂、精确区分高风险区域以及制定卫生教育计划。因此,滚动式病媒监测器能够为决策者提供重要的信息,以便更有效地降低传染病的传播风险。
现有技术存在以下不足:
通过滚动式病媒监测器监测病媒生物活动时,首先,传统的滚动式病媒监测器在低光照环境下存在较大问题,如夜间监测受到限制、对于光照较弱区域的监控难度大等,这导致在一些特殊时段或地点,无法实现对病媒生物的及时有效监测,其次,如果滚动式病媒监测器的监测精度存在异常,可能引发误导性的监测数据,使卫生部门误判病媒生物的实际活动水平,这种误差可能导致对疾病传播风险的错误评估,从而导致不合理或不足够的控制措施,进而增加了传染病传播的潜在风险,其次,监测精度异常可能导致监测结果不准确,阻碍对病媒生物的正确理解,如果监测器误报或漏报病媒生物的存在,可能使公共卫生部门对疫情形势产生错误的认识,进而影响卫生资源的合理配置和病媒控制的决策制定。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的是提供基于数据分析的城市病媒密度控制系统,通过对滚动式病媒监测器监测病媒生物信息时的监测精度进行实时监控,有效解决了滚动式病媒监测器监测精度异常可能导致误导性数据和错误评估的问题,及时的异常预警使卫生部门能够快速响应,采取相应的控制措施,从而降低了传染病传播的潜在风险,通过引入特定波长的光源,激发病媒生物体内的荧光标记或生物发光物质,实现在低光照环境下对病媒的实时监测,使滚动式病媒监测器具备更强的适应性,不再受到低光照环境的限制,以解决上述背景技术中的问题。
为了实现上述目的,本发明提供如下技术方案:基于数据分析的城市病媒密度控制系统,包括诱捕机制模块、光学激发模块、实时精度监控模块、预警模块、数据处理与分类识别模块以及信息提供模块;
诱捕机制模块,采用诱捕机制,引诱病媒生物进入监测器的捕获区域,一旦病媒生物被吸引进入监测器的范围,使用捕获机制捕捉病媒生物;
光学激发模块,利用特定波长的光激发病媒生物,在病媒生物身上产生发光反应,在低光照环境下对病媒实时监测;
实时精度监控模块,通过滚动式病媒监测器监测并记录捕获的病媒生物信息,同时获取滚动式病媒监测器监测病媒信息时传感器的时序同步数据和性能参数数据,获取后,将传感器的时序同步数据和性能参数数据处理后建立病媒生物信息实时精度监控机制,对滚动式病媒监测器监测病媒生物信息时的监测精度进行实时监控,并通过预警模块对异常监测进行预警提示;
数据处理与分类识别模块,当滚动式病媒监测器监测病媒生物信息过程未存在监测精度异常时,将捕获的病媒生物信息上传至内置的数据分析系统进行处理,区分不同类型的病媒生物,确定不同类型病媒生物的活动模式,评估不同类型病媒生物的数量,并识别任何异常活动;
信息提供模块,将数据分析系统处理后的数据传输到中央数据库或云平台,使卫生部门及时获得有关病媒生物活动的信息。
优选的,利用特定波长的光激发病媒生物,在病媒生物身上产生发光反应,在低光照环境下对病媒实时监测的具体步骤为:
S1、选择适当波长的光源,激发病媒生物体内的荧光标记或生物发光物质;
S2、设计激发光路,使激发光源的辐射照射到病媒生物样本上;
S3、通过光源照射样本区域,激发样本中的荧光标记或生物发光物质;
S4、捕捉样本发出的荧光信号或生物发光反应;
S5、对捕获到的光信号进行解释和分析。
优选的,滚动式病媒监测器监测病媒信息时的时序同步数据包括传感器的内部时钟同步信息和数据采集频率信息,获取后,将传感器的内部时钟同步信息处理后生成内部时钟同步异常隐匿系数,将传感器的数据采集频率信息处理后生成数据采集频率偏差系数;滚动式病媒监测器监测病媒信息时的性能参数数据包括传感器的数据传输延迟信息,获取后,将传感器的数据传输延迟信息处理后生成数据传输延迟系数。
优选的,内部时钟同步异常隐匿系数获取的逻辑如下:
选择一个作为参考的参考时钟,确保该参考时钟是准确无误的;
在固定的时长窗口K内,记录滚动式病媒监测器监测病媒信息时各个传感器采集数据的时间戳和参考时钟相应时刻的时间戳,并将采集数据的时间戳和参考时钟相应时刻的时间戳分别标定为和/>,x表示在固定的时长窗口K内滚动式病媒监测器监测病媒信息时各个传感器采集数据的时间戳和参考时钟相应时刻的时间戳的编号,x=1、2、3、4、……、p,p为正整数;
计算内部时钟同步异常隐匿系数,计算的表达式为:,式中,/>表示内部时钟同步异常隐匿系数,p表示在固定的时长窗口K内各个传感器采集数据的时间戳总数。
优选的,数据采集频率偏差系数获取的逻辑如下:
在固定的时长窗口K内,获取滚动式病媒监测器监测病媒信息时各个传感器获取数据的实际数据采集频率,并将实际数据采集频率标定为,y表示在固定的时长窗口K内滚动式病媒监测器监测病媒信息时各个传感器获取数据的实际数据采集频率的编号,y=1、2、3、4、……、m,m为正整数;
通过滚动式病媒监测器监测病媒信息时各个传感器获取数据的实际数据采集频率计算数据采集频率标准差和数据采集频率平均值,并将数据采集频率标准差和数据采集频率平均值分别标定为和/>,则:/>,/>;
通过获取的数据采集频率标准差和数据采集频率平均值/>计算数据采集频率变异系数,计算的表达式为:/>,式中,/>表示数据采集频率变异系数;
计算数据采集频率偏差系数,计算的表达式为:式中,/>表示数据采集频率偏差系数。
优选的,数据传输延迟系数获取逻辑如下:
在固定的时长窗口K内,获取滚动式病媒监测器监测病媒信息时各个传感器获取数据的实际数据传输延迟,并将实际数据传输延迟标定为,v表示在固定的时长窗口K内滚动式病媒监测器监测病媒信息时各个传感器获取数据的实际数据传输延迟的编号,v=1、2、3、4、……、N,N为正整数;
将滚动式病媒监测器监测病媒信息时各个传感器在固定的时长窗口K内获取的实际数据传输延迟与数据传输延迟参考值进行比对,计算数据传输延迟系数,计算的表达式为:,式中,/>表示数据传输延迟系数,表示滚动式病媒监测器监测病媒信息时各个传感器在固定的时长窗口K内获取的大于数据传输延迟参考值的实际数据传输延迟,/>表示滚动式病媒监测器监测病媒信息时各个传感器在固定的时长窗口K内获取的大于数据传输延迟参考值的实际数据传输延迟的编号,/>,/>为正整数,N表示滚动式病媒监测器监测病媒信息时各个传感器在固定的时长窗口K内获取的实际数据传输延迟的总数量。
优选的,获取到滚动式病媒监测器监测病媒信息时经过处理生成的内部时钟同步异常隐匿系数、数据采集频率偏差系数/>以及数据传输延迟系数后,将内部时钟同步异常隐匿系数/>、数据采集频率偏差系数以及数据传输延迟系数/>进行公式化分析,生成病媒监测指数/>,通过病媒监测指数/>对滚动式病媒监测器监测病媒生物信息时的监测精度进行实时监控。
优选的,滚动式病媒监测器监测病媒信息时在固定的时长窗口K内生成的内部时钟同步异常隐匿系数越大、数据采集频率偏差系数越大、数据传输延迟系数越大,即滚动式病媒监测器监测病媒信息时在固定的时长窗口K内生成的病媒监测指数的表现值越大,表明滚动式病媒监测器监测病媒生物活动时出现监测精度异常的隐患越大,反之则表明滚动式病媒监测器监测病媒生物活动时出现监测精度异常的隐患越小。
优选的,将滚动式病媒监测器监测病媒信息时在固定的时长窗口K内生成的病媒监测指数与预先设定的病媒监测指数参考阈值进行比对分析,比对分析的结果如下:
若病媒监测指数大于等于病媒监测指数参考阈值,则生成监测精度异常信号,并将信号传递至预警模块,通过预警模块对监测精度异常信号发出预警提示,通知相关工作人员知晓该情况;
若病媒监测指数小于病媒监测指数参考阈值,则生成监测精度正常信号,并将信号传递至预警模块,不通过预警模块对监测精度正常信号发出预警提示。
在上述技术方案中,本发明提供的技术效果和优点:
本发明通过引入诱捕机制,采用捕获机制捕捉病媒生物,实现了对病媒生物的高效监测,不仅提高了监测器在低光照环境下的适应性,还避免了传统监测器在特殊时段或地点无法有效监测的问题,捕获到的病媒生物信息被记录并上传至数据分析系统,通过对数据的综合分析,卫生部门可以及时获得有关病媒生物活动的详细信息,从而提高了监测的时效性;
本发明通过滚动式病媒监测器监测病媒信息时综合分析生成的病媒监测指数建立病媒生物信息实时精度监控机制,对滚动式病媒监测器监测病媒生物信息时的监测精度进行实时监控,若监测精度异常,则发出预警信号通知相关工作人员知晓该情况,便于相关工作人员对监测精度异常的滚动式病媒监测器及时进行相关处理,有效解决了滚动式病媒监测器监测精度异常可能导致误导性数据和错误评估的问题,及时的异常预警使卫生部门能够快速响应,采取相应的控制措施,从而降低了传染病传播的潜在风险;
本发明通过引入特定波长的光源,激发病媒生物体内的荧光标记或生物发光物质,实现在低光照环境下对病媒的实时监测,使滚动式病媒监测器具备更强的适应性,不再受到低光照环境的限制,通过捕捉样本发出的荧光信号或生物发光反应,进一步提高了监测的灵敏度和准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单的介绍,显而易见的,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明基于数据分析的城市病媒密度控制系统的模块示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些示例实施方式使得本公开的描述将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
本发明提供了如图1所示的基于数据分析的城市病媒密度控制系统,包括诱捕机制模块、光学激发模块、实时精度监控模块、预警模块、数据处理与分类识别模块以及信息提供模块;
诱捕机制模块,采用诱捕机制,引诱病媒生物进入监测器的捕获区域,一旦病媒生物被吸引进入监测器的范围,使用捕获机制捕捉病媒生物;
通过诱捕机制引诱病媒生物进入监测器的捕获区域,这里的诱捕机制可以是光源、气味或其他吸引手段,这些吸引手段可以通过使用特定的化学物质或模拟病媒生物宿主的气味来实现,捕获机制可以是粘性纸片、网格或真空吸引器等,通过这些捕获机制捕捉病媒生物,这样的捕获设备设计旨在高效地捕获并保留病媒生物,以便后续的分析和评估。
光学激发模块,利用特定波长的光激发病媒生物,在病媒生物身上产生发光反应,在低光照环境下对病媒实时监测;
利用特定波长的光激发病媒生物,在病媒生物身上产生发光反应,在低光照环境下对病媒实时监测的具体步骤为:
S1、选择适当波长的光源,激发病媒生物体内的荧光标记或生物发光物质;
光源通常是激光二极管(LED)或激光器。
S2、设计激发光路,使激发光源的辐射照射到病媒生物样本上;
这可能涉及透镜、滤光片和反射元件等光学元件的配置。
S3、通过光源照射样本区域,激发样本中的荧光标记或生物发光物质;
S4、捕捉样本发出的荧光信号或生物发光反应;
此步骤可利用光电探测器或相机等检测系统,捕捉样本发出的荧光信号或生物发光反应,这些检测设备需要与光源的波长匹配,以有效捕捉激发后的信号。
S5、对捕获到的光信号进行解释和分析;
这可能包括对信号强度、频率和时序的分析,以识别病媒生物的存在、数量和活动状态。
实时精度监控模块,通过滚动式病媒监测器监测并记录捕获的病媒生物信息,同时获取滚动式病媒监测器监测病媒信息时传感器的时序同步数据和性能参数数据,获取后,将传感器的时序同步数据和性能参数数据处理后建立病媒生物信息实时精度监控机制,对滚动式病媒监测器监测病媒生物信息时的监测精度进行实时监控,并通过预警模块对异常监测进行预警提示;
滚动式病媒监测器配备了一系列传感器,这些传感器能够检测并记录捕获的病媒生物的数量、种类以及活动时间,这些传感器可能包括图像传感器、红外传感器、温度传感器等,以提供多方面的信息;
滚动式病媒监测器监测病媒信息时的时序同步数据包括传感器的内部时钟同步信息和数据采集频率信息,获取后,将传感器的内部时钟同步信息处理后生成内部时钟同步异常隐匿系数,将传感器的数据采集频率信息处理后生成数据采集频率偏差系数。
在滚动式病媒监测器中,传感器内部时钟同步信息是指确保各个传感器在监测过程中能够保持统一的时间基准,使各个传感器在相同的时间点上采集和记录病媒生物的信息,这种同步性能是通过在监测系统中实施一致的时钟源和时钟同步协议来实现的,以确保各个传感器的内部时钟保持一致,传感器内部时钟同步的有效实施有助于精准地对病媒生物活动进行时间序列分析,确保监测数据的准确性和可比性,因此,这一信息在监测过程中起到关键的作用,确保不同传感器协同工作,提供可靠的病媒监测结果。
使用滚动式病媒监测器监测和评估病媒生物的活动和分布时,滚动式病媒监测器监测病媒信息时的传感器内部时钟同步出现异常,将会对滚动式病媒监测器的监测精度造成严重影响,以下是具体原因:
数据一致性:传感器内部时钟同步异常可能导致各个传感器在时间上不一致,病媒生物活动的记录将失去准确的时间戳,从而破坏了数据的一致性,难以对病媒生物的行为进行有效的时序分析。
事件关联:有效的内部时钟同步是确保事件之间正确关联的关键因素。异常时钟同步可能导致不同传感器记录的事件在时间上错位,使得无法准确判断病媒生物活动的顺序和关系。
监测时段失真:时钟同步异常可能导致监测时段的失真,使得分析人员难以确定特定时间段内的病媒生物活动情况,这对于疾病传播模式和季节性变化的理解至关重要。
时间序列分析困难:传感器内部时钟同步的异常会使得时间序列分析变得困难,由于不同传感器记录的数据时间戳不准确,无法进行有效的趋势分析和周期性模式的识别。
监测器性能可靠性下降:时钟同步异常可能导致监测器整体性能的不稳定,使得监测器无法在长时间内可靠地工作,这会影响监测器的实时性和可持续性,降低了监测器对病媒生物活动的全面监测和评估的能力。
因此,对滚动式病媒监测器监测病媒信息时的传感器内部时钟情况进行监测,可及时发现传感器内部时钟出现偏差的异常问题。
内部时钟同步异常隐匿系数获取的逻辑如下:
选择一个作为参考的参考时钟,确保该参考时钟是准确无误的;
需要说明的是,作为参考的参考时钟可以是系统中的一个主时钟或是通过全球卫星定位系统(例如,GPS)获取的准确时间;
在固定的时长窗口K内,记录滚动式病媒监测器监测病媒信息时各个传感器采集数据的时间戳和参考时钟相应时刻的时间戳,并将采集数据的时间戳和参考时钟相应时刻的时间戳分别标定为和/>,x表示在固定的时长窗口K内滚动式病媒监测器监测病媒信息时各个传感器采集数据的时间戳和参考时钟相应时刻的时间戳的编号,x=1、2、3、4、……、p,p为正整数;
需要说明的是,此过程需要确保时间戳的单位是相同的,通常为毫秒或微秒,其次,传感器在数据采集时会记录时间戳,可通过在传感器中嵌入具有实时时钟的硬件组件或者通过软件在数据记录时生成时间戳;
计算内部时钟同步异常隐匿系数,计算的表达式为:,式中,/>表示内部时钟同步异常隐匿系数,p表示在固定的时长窗口K内各个传感器采集数据的时间戳总数。
由内部时钟同步异常隐匿系数的计算表达式可知,滚动式病媒监测器监测病媒信息时在固定的时长窗口K内生成的内部时钟同步异常隐匿系数的表现值越大,表明滚动式病媒监测器监测病媒生物活动时出现监测精度异常的隐患越大,反之则表明滚动式病媒监测器监测病媒生物活动时出现监测精度异常的隐患越小。
滚动式病媒监测器中传感器数据采集频率同步是指各个传感器在相同的时间间隔内采集数据的能力,并确保各个传感器以协调一致的频率进行操作,这意味着各个传感器在相同的时间点上记录病媒生物的信息,以保持数据的时间一致性,同步的数据采集频率对于准确捕捉病媒生物活动的时间动态非常重要,因为同步的数据采集频率确保了数据的精确时间关联,为后续的时间序列分析和模式识别提供可靠的基础,若数据采集频率同步异常,不同传感器可能在不同时间点记录数据,导致混乱的时间戳,严重影响了监测器对病媒生物行为的准确捕捉和评估。
滚动式病媒监测器在监测和评估病媒生物的活动和分布时,传感器数据采集频率同步异常可能对监测精度造成严重影响,以下是具体原因:
时间不一致性导致数据不准确:滚动式病媒监测器通常需要精确的时间同步来确保各传感器数据的一致性,如果传感器的数据采集频率不同步,可能导致数据时间戳的不一致性,从而使得分析和比较数据时产生误差,这可能导致错误的解释和推断,降低监测的准确性。
失去事件时序关系:数据采集频率同步异常使得无法准确捕捉事件之间的时序关系,阻碍了对病媒生物活动模式的准确理解,例如,无法确定病媒生物活动的起始和终止时间。
监测时段失真:数据采集频率同步异常可能导致监测时段的失真,使得分析人员难以确定特定时间段内的病媒生物活动情况,这对于疾病传播模式和季节性变化的理解至关重要。
数据整合和分析困难:同步异常的传感器数据增加了数据整合的难度,在进行数据分析和模型建立时,需要对非同步的数据进行处理,这可能需要额外的数据清洗和校正步骤,这会增加工作的复杂性,同时引入额外的潜在错误。
系统稳定性受影响:同步异常可能意味着系统存在技术问题或硬件故障,这可能导致监测器的稳定性受到威胁,进而影响长期监测任务的可靠性,稳定性问题可能导致数据丢失或不可靠,从而降低病媒监测器的整体性能。
因此,对滚动式病媒监测器监测病媒信息时的传感器数据采集频率情况进行监测,可及时发现传感器数据采集频率出现不同步的异常问题。
数据采集频率偏差系数获取的逻辑如下:
在固定的时长窗口K内,获取滚动式病媒监测器监测病媒信息时各个传感器获取数据的实际数据采集频率,并将实际数据采集频率标定为,y表示在固定的时长窗口K内滚动式病媒监测器监测病媒信息时各个传感器获取数据的实际数据采集频率的编号,y=1、2、3、4、……、m,m为正整数;
需要说明的是,在每个数据点的时间戳中记录实际的采集时间,然后在时长窗口K内对采集的数据点进行计数,通过记录时间戳,可以计算在时长窗口内各个传感器的实际数据采集频率;
通过滚动式病媒监测器监测病媒信息时各个传感器获取数据的实际数据采集频率计算数据采集频率标准差和数据采集频率平均值,并将数据采集频率标准差和数据采集频率平均值分别标定为和/>,则:/>,/>;
通过获取的数据采集频率标准差和数据采集频率平均值/>计算数据采集频率变异系数,计算的表达式为:/>,式中,/>表示数据采集频率变异系数;
由数据采集频率变异系数可知,滚动式病媒监测器监测病媒信息时在固定的时长窗口K内生成的数据采集频率变异系数的表现值越大,表明各个传感器获取数据时的实际数据采集频率偏差越大,反之则表明各个传感器获取数据时的实际数据采集频率偏差越小;
计算数据采集频率偏差系数,计算的表达式为:式中,/>表示数据采集频率偏差系数;
由数据采集频率偏差系数的计算表达式可知,滚动式病媒监测器监测病媒信息时在固定的时长窗口K内生成的数据采集频率偏差系数的表现值越大,表明滚动式病媒监测器监测病媒生物活动时出现监测精度异常的隐患越大,反之则表明滚动式病媒监测器监测病媒生物活动时出现监测精度异常的隐患越小。
滚动式病媒监测器监测病媒信息时的性能参数数据包括传感器的数据传输延迟信息,获取后,将传感器的数据传输延迟信息处理后生成数据传输延迟系数。
滚动式病媒监测器中的传感器数据传输延迟指的是从传感器获取数据到这些数据被传输到内置的数据分析系统所需的时间,这一延迟包括了数据在传感器内部采集、处理、传输和在监测系统中接收、解析的时间,传感器数据传输延迟的大小直接影响到监测系统对病媒生物活动的实时性和准确性。较低的传输延迟有助于及时捕捉病媒生物的变化,而较高的延迟则可能导致监测系统对实时活动的反应滞后,降低监测的效能。
使用滚动式病媒监测器监测和评估病媒生物的活动和分布时,滚动式病媒监测器监测病媒信息时的传感器数据传输延迟较高,可能对滚动式病媒监测器的监测精度造成严重的影响,原因如下:
时效性降低:高传输延迟导致从传感器到监测系统的数据到达时间延迟增加,使得监测系统无法实时获取病媒生物活动信息,这会降低监测系统对病媒生物在特定时间和地点的实时活动的把握程度。
数据不同步:传感器数据传输延迟高可能导致监测系统接收到的数据不同步,使得病媒生物的活动在监测结果中呈现不准确的时间顺序,这种不同步可能使得监测结果无法准确反映实际的病媒生物分布和活动模式。
遗漏重要信息:由于延迟,监测系统可能错过关键时刻的数据,例如病媒生物的迁徙或繁殖高峰,这样的遗漏可能导致对病媒生物行为的全面理解不足,影响监测的全面性和准确性。
误导决策:监测系统提供的延迟较高的数据可能误导决策者采取不及时或不准确的防控措施,及时的信息对于预防疾病传播至关重要,高传输延迟可能延缓决策的制定和执行。
监测系统性能下降:高传输延迟可能使监测系统的性能下降,降低系统对整个监测周期内病媒生物行为的全程追踪和分析能力,从而影响监测系统的整体有效性。
因此,对滚动式病媒监测器监测病媒信息时的传感器数据传输延迟情况进行监测,可及时发现传感器数据传输延迟较高的异常问题。
数据传输延迟系数获取逻辑如下:
在固定的时长窗口K内,获取滚动式病媒监测器监测病媒信息时各个传感器获取数据的实际数据传输延迟,并将实际数据传输延迟标定为,v表示在固定的时长窗口K内滚动式病媒监测器监测病媒信息时各个传感器获取数据的实际数据传输延迟的编号,v=1、2、3、4、……、N,N为正整数;
需要说明的是,利用传感器内部的硬件定时器,记录数据采集开始和数据传输完成的时间,硬件定时器通常能够提供高精度的时间信息,可用于准确测量传感器数据的传输延迟;
将滚动式病媒监测器监测病媒信息时各个传感器在固定的时长窗口K内获取的实际数据传输延迟与数据传输延迟参考值进行比对,计算数据传输延迟系数,计算的表达式为:,式中,/>表示数据传输延迟系数,表示滚动式病媒监测器监测病媒信息时各个传感器在固定的时长窗口K内获取的大于数据传输延迟参考值的实际数据传输延迟,/>表示滚动式病媒监测器监测病媒信息时各个传感器在固定的时长窗口K内获取的大于数据传输延迟参考值的实际数据传输延迟的编号,/>,/>为正整数,N表示滚动式病媒监测器监测病媒信息时各个传感器在固定的时长窗口K内获取的实际数据传输延迟的总数量。
由数据传输延迟系数的计算表达式可知,滚动式病媒监测器监测病媒信息时在固定的时长窗口K内生成的数据传输延迟系数的表现值越大,表明滚动式病媒监测器监测病媒生物活动时出现监测精度异常的隐患越大,反之则表明滚动式病媒监测器监测病媒生物活动时出现监测精度异常的隐患越小。
获取到滚动式病媒监测器监测病媒信息时经过处理生成的内部时钟同步异常隐匿系数、数据采集频率偏差系数/>以及数据传输延迟系数/>后,将内部时钟同步异常隐匿系数/>、数据采集频率偏差系数/>以及数据传输延迟系数/>进行公式化分析,生成病媒监测指数/>,依据的公式为:,式中,、/>、/>分别为内部时钟同步异常隐匿系数/>、数据采集频率偏差系数以及数据传输延迟系数/>的预设比例系数,且/>、/>、/>均大于0。
由计算公式可知,滚动式病媒监测器监测病媒信息时在固定的时长窗口K内生成的内部时钟同步异常隐匿系数越大、数据采集频率偏差系数越大、数据传输延迟系数越大,即滚动式病媒监测器监测病媒信息时在固定的时长窗口K内生成的病媒监测指数的表现值越大,表明滚动式病媒监测器监测病媒生物活动时出现监测精度异常的隐患越大,反之则表明滚动式病媒监测器监测病媒生物活动时出现监测精度异常的隐患越小。
将滚动式病媒监测器监测病媒信息时在固定的时长窗口K内生成的病媒监测指数与预先设定的病媒监测指数参考阈值进行比对分析,比对分析的结果如下:
若病媒监测指数大于等于病媒监测指数参考阈值,则生成监测精度异常信号,并将信号传递至预警模块,通过预警模块对监测精度异常信号发出预警提示,通知相关工作人员知晓该情况,便于相关工作人员对监测精度异常的滚动式病媒监测器及时进行相关处理,当滚动式病媒监测器监测病媒信息时在固定的时长窗口K内生成监测精度异常信号时,表明滚动式病媒监测器监测病媒生物活动时出现了监测精度异常的隐患;
若病媒监测指数小于病媒监测指数参考阈值,则生成监测精度正常信号,并将信号传递至预警模块,通过预警模块对监测精度正常信号发出预警提示,当滚动式病媒监测器监测病媒信息时在固定的时长窗口K内生成监测精度正常信号时,表明滚动式病媒监测器可实现对病媒生物活动进行高效的监测。
数据处理与分类识别模块,当滚动式病媒监测器监测病媒生物信息过程未存在监测精度异常时,将捕获的病媒生物信息上传至内置的数据分析系统进行处理,区分不同类型的病媒生物,确定不同类型病媒生物的活动模式,评估不同类型病媒生物的数量,并识别任何异常活动;
捕获的数据由内置的数据分析系统处理,这可能涉及使用机器学习算法或其他分析工具,以区分不同类型的病媒生物,确定不同类型病媒生物的活动模式,评估不同类型病媒生物的数量,并识别任何异常活动;
在滚动式病媒监测器的数据分析阶段,使用机器学习算法或其他分析工具来处理和解释监测数据,其中机器学习算法或其他分析工具可以是如下:
机器学习算法:
支持向量机(Support Vector Machines,SVM):SVM是一种监督学习算法,用于分类和回归分析,在滚动式病媒监测器中,可以利用SVM对捕获的病媒生物进行分类,区分不同种类,例如蚊子、蜱虫等。
决策树(Decision Trees):决策树是一种树状模型,用于进行分类和回归分析,可以帮助确定病媒生物的活动模式,例如病媒生物在不同时间段内的活跃程度以及病媒生物可能选择的栖息地。
深度学习:深度学习模型,特别是卷积神经网络(Convolutional NeuralNetworks,CNN)和循环神经网络(Recurrent Neural Networks,RNN),可以用于图像识别和时间序列分析,这些模型可以帮助监测器更准确地识别病媒生物的特征和活动规律。
其他分析工具:
时序分析方法:采用时序分析方法,如傅里叶变换或小波变换,可以帮助评估病媒生物的活动模式,并检测任何异常活动,这些方法可以分析监测到的数据的周期性和趋势。
聚类分析:聚类分析可以将病媒生物根据其行为和特征划分为不同的群体,有助于更好地了解病媒生物的生态学特征和相互关系。
异常检测方法:使用异常检测方法,如孤立森林(Isolation Forest)或基于统计学的方法,可以识别数据中的异常情况,例如异常数量的增加或不寻常的活动模式。
信息提供模块,将数据分析系统处理后的数据传输到中央数据库或云平台,使卫生部门及时获得有关病媒生物活动的信息;
滚动式病媒监测器通常具有实时监测和报告功能,将处理后的数据传输到中央数据库或云平台,这使得卫生部门能够及时获得关于病媒生物活动的实时信息,支持及时的决策制定和城市病媒控制的实施。
本发明通过引入诱捕机制,采用捕获机制捕捉病媒生物,实现了对病媒生物的高效监测,不仅提高了监测器在低光照环境下的适应性,还避免了传统监测器在特殊时段或地点无法有效监测的问题,捕获到的病媒生物信息被记录并上传至数据分析系统,通过对数据的综合分析,卫生部门可以及时获得有关病媒生物活动的详细信息,从而提高了监测的时效性;
本发明通过滚动式病媒监测器监测病媒信息时综合分析生成的病媒监测指数建立病媒生物信息实时精度监控机制,对滚动式病媒监测器监测病媒生物信息时的监测精度进行实时监控,若监测精度异常,则发出预警信号通知相关工作人员知晓该情况,便于相关工作人员对监测精度异常的滚动式病媒监测器及时进行相关处理,有效解决了滚动式病媒监测器监测精度异常可能导致误导性数据和错误评估的问题,及时的异常预警使卫生部门能够快速响应,采取相应的控制措施,从而降低了传染病传播的潜在风险;
本发明通过引入特定波长的光源,激发病媒生物体内的荧光标记或生物发光物质,实现在低光照环境下对病媒的实时监测,使滚动式病媒监测器具备更强的适应性,不再受到低光照环境的限制,通过捕捉样本发出的荧光信号或生物发光反应,进一步提高了监测的灵敏度和准确性。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络,或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD),或者半导体介质。半导体介质可以是固态硬盘。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件,或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统和方法,可以通过其他的方式实现。例如,以上所描述的实施例仅仅是示意性的,例如,所述单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元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。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (5)
1.基于数据分析的城市病媒密度控制系统,其特征在于,包括诱捕机制模块、光学激发模块、实时精度监控模块、预警模块、数据处理与分类识别模块以及信息提供模块;
诱捕机制模块,采用诱捕机制,引诱病媒生物进入监测器的捕获区域,一旦病媒生物被吸引进入监测器的范围,使用捕获机制捕捉病媒生物;
光学激发模块,利用特定波长的光激发病媒生物,在病媒生物身上产生发光反应,在低光照环境下对病媒实时监测;
实时精度监控模块,通过滚动式病媒监测器监测并记录捕获的病媒生物信息,同时获取滚动式病媒监测器监测病媒信息时传感器的时序同步数据和性能参数数据,获取后,将传感器的时序同步数据和性能参数数据处理后建立病媒生物信息实时精度监控机制,对滚动式病媒监测器监测病媒生物信息时的监测精度进行实时监控,并通过预警模块对异常监测进行预警提示;
滚动式病媒监测器监测病媒信息时的时序同步数据包括传感器的内部时钟同步信息和数据采集频率信息,获取后,将传感器的内部时钟同步信息处理后生成内部时钟同步异常隐匿系数,将传感器的数据采集频率信息处理后生成数据采集频率偏差系数;滚动式病媒监测器监测病媒信息时的性能参数数据包括传感器的数据传输延迟信息,获取后,将传感器的数据传输延迟信息处理后生成数据传输延迟系数;
内部时钟同步异常隐匿系数获取的逻辑如下:
选择一个作为参考的参考时钟,确保该参考时钟是准确无误的;
在固定的时长窗口K内,记录滚动式病媒监测器监测病媒信息时各个传感器采集数据的时间戳和参考时钟相应时刻的时间戳,并将采集数据的时间戳和参考时钟相应时刻的时间戳分别标定为和/>,x表示在固定的时长窗口K内滚动式病媒监测器监测病媒信息时各个传感器采集数据的时间戳和参考时钟相应时刻的时间戳的编号,x=1、2、3、4、……、p,p为正整数;
计算内部时钟同步异常隐匿系数,计算的表达式为:,式中,/>表示内部时钟同步异常隐匿系数,p表示在固定的时长窗口K内各个传感器采集数据的时间戳总数;
数据采集频率偏差系数获取的逻辑如下:
在固定的时长窗口K内,获取滚动式病媒监测器监测病媒信息时各个传感器获取数据的实际数据采集频率,并将实际数据采集频率标定为,y表示在固定的时长窗口K内滚动式病媒监测器监测病媒信息时各个传感器获取数据的实际数据采集频率的编号,y=1、2、3、4、……、m,m为正整数;
通过滚动式病媒监测器监测病媒信息时各个传感器获取数据的实际数据采集频率计算数据采集频率标准差和数据采集频率平均值,并将数据采集频率标准差和数据采集频率平均值分别标定为和/>,则:/>,/>;
通过获取的数据采集频率标准差和数据采集频率平均值/>计算数据采集频率变异系数,计算的表达式为:/>,式中,/>表示数据采集频率变异系数;
计算数据采集频率偏差系数,计算的表达式为:式中,表示数据采集频率偏差系数;
数据传输延迟系数获取逻辑如下:
在固定的时长窗口K内,获取滚动式病媒监测器监测病媒信息时各个传感器获取数据的实际数据传输延迟,并将实际数据传输延迟标定为,v表示在固定的时长窗口K内滚动式病媒监测器监测病媒信息时各个传感器获取数据的实际数据传输延迟的编号,v=1、2、3、4、……、N,N为正整数;
将滚动式病媒监测器监测病媒信息时各个传感器在固定的时长窗口K内获取的实际数据传输延迟与数据传输延迟参考值进行比对,计算数据传输延迟系数,计算的表达式为:,式中,/>表示数据传输延迟系数,表示滚动式病媒监测器监测病媒信息时各个传感器在固定的时长窗口K内获取的大于数据传输延迟参考值的实际数据传输延迟,/>表示滚动式病媒监测器监测病媒信息时各个传感器在固定的时长窗口K内获取的大于数据传输延迟参考值的实际数据传输延迟的编号,/>,/>为正整数,N表示滚动式病媒监测器监测病媒信息时各个传感器在固定的时长窗口K内获取的实际数据传输延迟的总数量;
数据处理与分类识别模块,当滚动式病媒监测器监测病媒生物信息过程未存在监测精度异常时,将捕获的病媒生物信息上传至内置的数据分析系统进行处理,区分不同类型的病媒生物,确定不同类型病媒生物的活动模式,评估不同类型病媒生物的数量,并识别任何异常活动;
信息提供模块,将数据分析系统处理后的数据传输到中央数据库或云平台,使卫生部门及时获得有关病媒生物活动的信息。
2.根据权利要求1所述的基于数据分析的城市病媒密度控制系统,其特征在于,利用特定波长的光激发病媒生物,在病媒生物身上产生发光反应,在低光照环境下对病媒实时监测的具体步骤为:
S1、选择适当波长的光源,激发病媒生物体内的荧光标记或生物发光物质;
S2、设计激发光路,使激发光源的辐射照射到病媒生物样本上;
S3、通过光源照射样本区域,激发样本中的荧光标记或生物发光物质;
S4、捕捉样本发出的荧光信号或生物发光反应;
S5、对捕获到的光信号进行解释和分析。
3.根据权利要求1所述的基于数据分析的城市病媒密度控制系统,其特征在于,获取到滚动式病媒监测器监测病媒信息时经过处理生成的内部时钟同步异常隐匿系数、数据采集频率偏差系数/>以及数据传输延迟系数/>后,将内部时钟同步异常隐匿系数/>、数据采集频率偏差系数/>以及数据传输延迟系数进行公式化分析,生成病媒监测指数/>,通过病媒监测指数/>对滚动式病媒监测器监测病媒生物信息时的监测精度进行实时监控。
4.根据权利要求3所述的基于数据分析的城市病媒密度控制系统,其特征在于,滚动式病媒监测器监测病媒信息时在固定的时长窗口K内生成的内部时钟同步异常隐匿系数越大、数据采集频率偏差系数越大、数据传输延迟系数越大,即滚动式病媒监测器监测病媒信息时在固定的时长窗口K内生成的病媒监测指数的表现值越大,表明滚动式病媒监测器监测病媒生物活动时出现监测精度异常的隐患越大,反之则表明滚动式病媒监测器监测病媒生物活动时出现监测精度异常的隐患越小。
5.根据权利要求3所述的基于数据分析的城市病媒密度控制系统,其特征在于,将滚动式病媒监测器监测病媒信息时在固定的时长窗口K内生成的病媒监测指数与预先设定的病媒监测指数参考阈值进行比对分析,比对分析的结果如下:
若病媒监测指数大于等于病媒监测指数参考阈值,则生成监测精度异常信号,并将信号传递至预警模块,通过预警模块对监测精度异常信号发出预警提示,通知相关工作人员知晓该情况;
若病媒监测指数小于病媒监测指数参考阈值,则生成监测精度正常信号,并将信号传递至预警模块,不通过预警模块对监测精度正常信号发出预警提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410177298.7A CN117740749B (zh) | 2024-02-08 | 2024-02-08 | 基于数据分析的城市病媒密度控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410177298.7A CN117740749B (zh) | 2024-02-08 | 2024-02-08 | 基于数据分析的城市病媒密度控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117740749A CN117740749A (zh) | 2024-03-22 |
CN117740749B true CN117740749B (zh) | 2024-04-19 |
Family
ID=90279601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410177298.7A Active CN117740749B (zh) | 2024-02-08 | 2024-02-08 | 基于数据分析的城市病媒密度控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117740749B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016097499A1 (fr) * | 2014-12-17 | 2016-06-23 | Institut De Recherche Pour Le Developpement | Système et procédé d'identification automatisée de diptères hématophages |
CN106793767A (zh) * | 2014-05-23 | 2017-05-31 | 新智能有限责任公司 | 用于控制和传送昆虫诱饵站的状态的方法和系统 |
TWM561876U (zh) * | 2017-11-17 | 2018-06-11 | 國立交通大學 | 智慧型農業及環境管理系統 |
EP3726211A1 (en) * | 2019-04-18 | 2020-10-21 | Université de Genève | System and method for detecting the presence of spores in fields |
CN112558527A (zh) * | 2020-12-17 | 2021-03-26 | 广东佰胜生物科技有限公司 | 一种用于蜚蠊的远程监测仪器及监测方法 |
CN116471930A (zh) * | 2020-10-07 | 2023-07-21 | 南佛罗里达大学 | 用于蚊虫分类的智能捕蚊器 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9915732B2 (en) * | 2014-02-18 | 2018-03-13 | Onvector Technology Llc | Object detection systems |
US20220007589A1 (en) * | 2017-04-17 | 2022-01-13 | Iron Ox, Inc. | Method for monitoring growth of plants and generating a plant grow schedule |
-
2024
- 2024-02-08 CN CN202410177298.7A patent/CN117740749B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106793767A (zh) * | 2014-05-23 | 2017-05-31 | 新智能有限责任公司 | 用于控制和传送昆虫诱饵站的状态的方法和系统 |
WO2016097499A1 (fr) * | 2014-12-17 | 2016-06-23 | Institut De Recherche Pour Le Developpement | Système et procédé d'identification automatisée de diptères hématophages |
TWM561876U (zh) * | 2017-11-17 | 2018-06-11 | 國立交通大學 | 智慧型農業及環境管理系統 |
EP3726211A1 (en) * | 2019-04-18 | 2020-10-21 | Université de Genève | System and method for detecting the presence of spores in fields |
CN116471930A (zh) * | 2020-10-07 | 2023-07-21 | 南佛罗里达大学 | 用于蚊虫分类的智能捕蚊器 |
CN112558527A (zh) * | 2020-12-17 | 2021-03-26 | 广东佰胜生物科技有限公司 | 一种用于蜚蠊的远程监测仪器及监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117740749A (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111726986B (zh) | 系统与方法 | |
Efford et al. | Occupancy in continuous habitat | |
Sharma et al. | Sensor faults: Detection methods and prevalence in real-world datasets | |
ATE456843T1 (de) | Automatische aufbereitung von durch versorgungskettenprozesse überwachende sensoren akkumulierten daten | |
WO2006001869A3 (en) | Generating a reliability analysis by identifying causal relationships between events in an event-based manufacturing system | |
CN111723633B (zh) | 一种基于深度数据的人员行为模式分析方法和系统 | |
WO2018232846A1 (zh) | 一种大范围周边安全监控方法和系统 | |
CN113671886B (zh) | 一种基于5g的消防安全监控方法及系统 | |
CN117407661A (zh) | 一种用于设备状态检测的数据增强方法 | |
CN117740749B (zh) | 基于数据分析的城市病媒密度控制系统 | |
Bessell et al. | Estimating risk factors for farm-level transmission of disease: foot and mouth disease during the 2001 epidemic in Great Britain | |
Runkel et al. | The handbook of acoustic bat detection | |
CN114882688A (zh) | 一种基于边缘计算的酒吧安全监测系统 | |
CN106716074B (zh) | 探测装置 | |
Krivek et al. | Counting in the dark: estimating population size and trends of bat assemblages at hibernacula using infrared light barriers | |
KR20200054741A (ko) | 스마트 고독사 방지 시스템 및 그 방법 | |
CN112562866A (zh) | 检测系统、检测方法、检测装置和存储介质 | |
Corley et al. | Assessing the continuum of event-based biosurveillance through an operational lens | |
del Rio Vilas et al. | A case study of capture–recapture methodology using scrapie surveillance data in Great Britain | |
CN101510235A (zh) | 疫病血凝检测分析系统 | |
CN112216387B (zh) | 基于云数据平台的复工复产管理方法及系统 | |
CN113067864A (zh) | 一种基于物联网的人工智能烟虫识别系统 | |
CN112732531A (zh) | 一种监控数据的处理方法及装置 | |
TW201701615A (zh) | 障礙診斷架構及其方法 | |
JP4728277B2 (ja) | 外部精度管理システム |
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 |