CN117932278A - 一种智慧城市环保监控系统及方法 - Google Patents
一种智慧城市环保监控系统及方法 Download PDFInfo
- Publication number
- CN117932278A CN117932278A CN202410331641.9A CN202410331641A CN117932278A CN 117932278 A CN117932278 A CN 117932278A CN 202410331641 A CN202410331641 A CN 202410331641A CN 117932278 A CN117932278 A CN 117932278A
- Authority
- CN
- China
- Prior art keywords
- harmful substance
- monitoring
- model training
- type information
- air
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 189
- 238000000034 method Methods 0.000 title claims abstract description 16
- 239000000126 substance Substances 0.000 claims abstract description 185
- 238000012549 training Methods 0.000 claims abstract description 70
- 238000001514 detection method Methods 0.000 claims abstract description 49
- 238000013528 artificial neural network Methods 0.000 claims abstract description 23
- 238000001914 filtration Methods 0.000 claims abstract description 18
- 230000007613 environmental effect Effects 0.000 claims description 25
- 238000005070 sampling Methods 0.000 claims description 22
- 210000002569 neuron Anatomy 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 12
- 238000005067 remediation Methods 0.000 claims description 6
- 239000000356 contaminant Substances 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 239000000383 hazardous chemical Substances 0.000 claims 2
- 239000013056 hazardous product Substances 0.000 claims 2
- 238000004458 analytical method Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 4
- 239000003344 environmental pollutant Substances 0.000 description 16
- 231100000719 pollutant Toxicity 0.000 description 16
- 238000009418 renovation Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Sampling And Sample Adjustment (AREA)
Abstract
本发明公开了一种智慧城市环保监控系统及方法，系统包括安装在空气监测无人机的空气探测模块以及超图神经网络模块，与超图神经网络模块基于以太网信号通讯的模型训练服务器，与空气探测模块和模型训练服务器通讯连接的监测数据库，与监测数据库通讯连接的监测后端。本发明的一种智慧城市环保监控系统及方法对空气监测无人机有害物质浓度以及有害物质种类信息的统计，避免对单个监测设备的数据进行分析而易发生误报警的情况出现，以及，通过初始的有害物质浓度、初始的有害物质种类信息结合协同过滤算法所建立的城市环保整治方案，从而实现精准的曲线图分析，以达到更加智能的空气监测效果。
Description
技术领域
本发明涉及环保监控领域，尤其涉及一种智慧城市环保监控系统及方法。
背景技术
室外空气监测指对存在于空气中的污染物质进行定点、连续或定时的采样和测量。室外空气检测的目的是为了及时、准确、全面地反映室外空气质量现状及发展趋势,并为室外空气管理,污染源控制、室外空气规划、室外空气评价提供科学依据。
然而,现有的室外空气监测系统,空气监测仪放置在室外,室外经常太阳暴晒、刮风下雨,由于空气监测仪长期处于高温高湿环境中,外部的天线和内部的电池都会受影响,天线容易失效,剩余能量消耗特别快,剩余能量不足或天线失效时,空气监测仪会处于不稳定状态,而处于不稳定状态的空气监测仪,采集的空气监测数据误差很大,除此之外,处于不稳定状态的空气监测仪,经常转发不了其它空气监测仪发送的空气监测数据,这种情况下,既不利于提高空气监测数据传输的稳定性,也无法满足室外空气监测系统的监测要求,而空气监测仪的数量众多,分布不均,人工排查时间长,并且现有的室外空气监测系统只是监测，并不能提供有效的防治措施，这样并不能到达环保的最终要求。
因此，本发明提出一种智慧城市环保监控系统及方法。
发明内容
针对现有技术中的技术问题，本发明提供一种智慧城市环保监控系统及方法。
一种智慧城市环保监控系统，包括安装在空气监测无人机的空气探测模块以及超图神经网络模块，以及，与超图神经网络模块基于以太网信号通讯的模型训练服务器，与空气探测模块和模型训练服务器通讯连接的监测数据库，与监测数据库通讯连接的监测后端，其中：
空气探测模块检测空气监测的有害物质浓度，并将有害物质浓度传输到监测数据库；
超图神经网络模块包括多个和空气探测模块连接的模型训练节点，以及多个由神经元连接的模型训练超边，超图神经网络模块向模型训练服务器传输空气影响因素信息；
模型训练服务器根据空气影响因素信息计算超图神经网络模块所在城市区域有害物质种类，并将对应的有害物质种类信息传输至监测数据库；
监测数据库将收到的有害物质浓度和有害物质种类信息进行分类保存，以及向监测后端传输；
监测后端以空气探测模块检测的初始的有害物质浓度以及与超图神经网络模块所对应的初始的有害物质种类信息结合协同过滤算法建立城市环保整治方案，结合城市环保整治方案对实时接收的有害物质浓度和有害物质种类信息进行统计与报告，并在有害物质浓度和有害物质种类信息超出参数设定阈值时产生治理指令。
进一步地，系统还包括分布于空气监测无人机的气象采集装备，气象采集装备与监测数据库通讯连接，其中：
气象采集装备根据监测数据库或监测后端产生的采样指令采集所在区域的单位周期气象数据，并将单位周期气象数据传输至监测数据库；
监测数据库将单位周期气象数据传输至监测后端，以及，监测数据库接收监测后端下发的采样指令并向气象采集装备转发；
监测后端根据初始的单位周期气象数据以及环保临界参数确定协同过滤算法；以及，分析单位周期内气象数据的变化和有害物质特征的识别，根据所识别的有害物质特征将对应的单位周期气象数据分类保存作为污染判断辅助指标；以及，根据模型训练超边对应的有害物质种类信息产生采样指令，控制模型训练超边临近的气象采集装备进行单位周期气象数据的采集。
进一步地，监测后端还根据实时接收的空气探测模块检测的有害物质浓度、模型训练节点对应的有害物质种类信息以及气象采集装备采集的单位周期气象数据对城市环保整治方案进行调整，并根据调整后的城市环保整治方案调整参数设定阈值，以及，曲线图展示有害物质浓度、有害物质种类信息的变化动态。
进一步地，监测后端还用于在有害物质浓度超出参数设定阈值而产生治理指令时，明确对应空气探测模块以及与空气探测模块连接的模型训练节点，并控制模型训练节点临近的气象采集装备进行单位周期气象数据的采集。
进一步地，有害物质特征的识别包括，以超过预设基准的污染物超标气象为样本，以每一种污染物超标对应建立数据集，通过将单位周期气象数据与数据集进行对比明确单位周期气象数据中是否存在污染物超标。
进一步地，监测后端根据有害物质种类信息、有害物质浓度以及单位周期气象数据评估空气监测无人机的采样准确度。
进一步地，还包括由神经元连接的全连接层，全连接层与模型训练超边连接，全连接层与监测后端通讯连接，其中：
监测后端在有害物质浓度超出参数设定阈值时，明确对应空气探测模块以及与空气探测模块连接的模型训练节点，并查找与模型训练节点相距小于安全空气影响因素设定值的模型训练超边，向与模型训练超边所连接的全连接层传输映射到样本标记空间指示；以及，在模型训练超边对应的有害物质种类信息超出参数设定阈值时，向与模型训练超边所连接的全连接层传输特征提取向量。
进一步地，气象采集装备为气象传感器，球形摄像机根据监测数据库或监测后端产生的采样指令进行转动和单位周期气象数据的采集。
一种智慧城市环保监控方法，包括：
获取初始的有害物质浓度以及初始的有害物质种类信息；
获取初始的单位周期气象数据以及环保临界参数，并根据初始的单位周期气象数据以及环保临界参数确定协同过滤算法；
以初始的有害物质浓度和初始的有害物质种类信息结合协同过滤算法建立城市环保整治方案；
接收实时的有害物质浓度、有害物质种类信息以及单位周期气象数据；
结合城市环保整治方案对实时的有害物质浓度和有害物质种类信息进行统计与报告，并在实时的有害物质浓度和有害物质种类信息超出参数设定阈值时产生治理指令；
分析单位周期内气象数据的变化和有害物质特征的识别，根据所识别的有害物质特征将对应的单位周期气象数据分类保存作为污染判断辅助指标。
本发明的一种智慧城市环保监控系统及方法，通过若干的空气探测模块实现空气监测的有害物质浓度采集，通过超图神经网络模块以及模型训练服务器监测出空气探测模块以及神经元的有害物质种类信息，监测数据库对有害物质浓度以及有害物质种类信息进行分类保存和转发，由监测后端建立城市环保整治方案，结合城市环保整治方案对实时接收的有害物质浓度及有害物质种类信息进行统计与报告，并在有害物质浓度和有害物质种类信息超出参数设定阈值时产生治理指令；本发明实现了对空气监测无人机有害物质浓度以及有害物质种类信息的统计，避免对单个监测设备的数据进行分析而易发生误报警的情况出现，以及，通过初始的有害物质浓度、初始的有害物质种类信息结合协同过滤算法所建立的城市环保整治方案，从而实现精准的曲线图分析，让监控人员准确了解到监测情况，以达到更加智能空气监测效果。
附图说明
为了更清楚的说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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的一些实施例，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它附图。
图1为本发明实施例的一种智慧城市环保监控系统的结构组成图；
图2为本发明实施例的一种智慧城市环保监控方法的步骤流程图。
具体实施方式
下面将结合本发明中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通的技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明的保护阈值。
本发明提供一种智慧城市环保监控系统，如图1所示，系统包括安装在空气监测无人机的空气探测模块以及超图神经网络模块，以及，与超图神经网络模块基于以太网信号通讯的模型训练服务器，与空气探测模块和模型训练服务器通讯连接的监测数据库，与监测数据库通讯连接的监测后端，其中：空气探测模块检测空气监测的有害物质浓度，并将有害物质浓度传输到监测数据库；超图神经网络模块包括多个和空气探测模块连接的模型训练节点，以及多个由神经元连接的模型训练超边，超图神经网络模块向模型训练服务器传输空气影响因素信息；模型训练服务器根据空气影响因素信息计算超图神经网络模块所在城市区域有害物质种类，并将对应的有害物质种类信息传输至监测数据库；监测数据库将收到的有害物质浓度和有害物质种类信息进行分类保存，以及向监测后端传输；监测后端以空气探测模块检测的初始的有害物质浓度以及与超图神经网络模块所对应的初始的有害物质种类信息结合协同过滤算法建立城市环保整治方案，以及，结合城市环保整治方案对实时接收的有害物质浓度和有害物质种类信息进行统计与报告，并在有害物质浓度和有害物质种类信息超出参数设定阈值时产生治理指令。
在本实施例中，空气探测模块安装于空气监测无人机中，用于采集现场中所涉及到的各种各样的有害物质浓度。本实施例不限定空气探测模块的数量和产品型号，环保管理人员视具体的环保需求进行安装和选用。空气探测模块通过监测数据库和监测后端实现有害物质浓度的传输，监测后端对有害物质浓度进行统计以及报告，并在有害物质浓度超出参数设定阈值时产生治理指令，以此来提示管理人员以及现场工作人员，从而保障空气监测无人机的运行安全。
超图神经网络模块结合模型训练服务器实现准确的模型训练功能，所以，模型训练节点与空气探测模块进行连接，可以获取该模型训练节点所在的有害物质种类，模型训练超边由神经元连接，可以获取线程神经元的所在城市区域有害物质种类。超图神经网络模块基于以太网信号与模型训练服务器实现通讯，根据接收到的空气影响因素信息计算出对应超图神经网络模块的所在城市区域有害物质种类，将该有害物质种类信息通过监测数据库传送到监测后端，监测后端对有害物质种类信息进行统计以及报告，并在有害物质种类信息超出参数设定阈值时产生治理指令，以此来提示管理人员以及现场工作人员存在模型训练节点(或空气探测模块)发生位移，或者连接着模型训练超边的神经元发生超阈值活动的情况，从而保障空气监测无人机的运行安全以及神经元的人身安全。
监测数据库用于接收有害物质浓度和有害物质种类信息并分类保存，再将有害物质浓度和有害物质种类信息上传到监测后端。本实施例中的监测数据库和空气探测模块、模型训练服务器的通讯连接可为有线通讯，也可为无线通讯。监测数据库安装于空气监测无人机，实现信息的收集汇总，可通过计算机实现本实施例的功能。
监测后端以空气探测模块检测的初始的有害物质浓度以及与超图神经网络模块所对应的初始的有害物质种类信息结合协同过滤算法建立城市环保整治方案。监测后端将空气探测模块和超图神经网络模块根据初始有害物质种类信息对其安装有害物质种类进行标定，同时可以在对应有害物质种类报告初始的有害物质浓度，在监测的过程中，监测后端应当实时更新有害物质浓度于有害物质种类信息，以便工作人员能够了解监测情况。本实施例的监测后端，还结合城市环保整治方案对实时接收的有害物质浓度和有害物质种类信息进行统计与报告，有害物质浓度的统计包括有对数值的转化、根据数值计算一些非空气探测模块检测的参数，以及分析统一有害物质浓度的变化趋势、变化比率等，有害物质种类信息的统计可包括形成有害物质种类变化的轨迹、计算移动的空气影响因素等。为了实现对有害物质浓度和有害物质种类信息的监测与管理，还应当预先设定有参数设定阈值，监测后端以实时接收的有害物质浓度、有害物质种类信息与参数设定阈值进行对比，在超出阈值时产生报警或者预警的信息，以提示监控管理人员或者现场作业人员。
本发明实施例的基于以太网的曲线图环保智能监测系统，通过若干的空气探测模块实现空气监测无人机的有害物质浓度采集，通过超图神经网络模块以及模型训练服务器监测出空气探测模块以及神经元的有害物质种类信息，监测数据库对有害物质浓度以及有害物质种类信息进行分类保存和转发，由监测后端建立城市环保整治方案，并结合城市环保整治方案对实时接收的有害物质浓度及有害物质种类信息进行统计与报告，并在有害物质浓度和有害物质种类信息超出参数设定阈值时产生治理指令；本发明实现了对空气监测无人机有害物质浓度以及有害物质种类信息的统计，避免对单个监测设备的数据进行分析而易发生误报警的情况出现，以及，通过初始的有害物质浓度、初始的有害物质种类信息结合协同过滤算法所建立的城市环保整治方案，从而实现精准的曲线图分析，让监控人员准确了解到监测情况，以达到更加智能、更加精准的空气监测无人机监测效果。
本发明提供的另一个实施例中，系统还包括分布于空气监测无人机的气象采集装备，气象采集装备与监测数据库通讯连接，其中：气象采集装备根据监测数据库或监测后端产生的采样指令采集所在区域的单位周期气象数据，并将单位周期气象数据传输至监测数据库，气象采集装备和监测数据库建立了直接的通讯链路，通过监测数据库将单位周期气象数据转发给监测后端。监测数据库除了上传单位周期气象数据之外，还接收监测后端下发的采样指令并向气象采集装备转发，气象采集装备根据监测后端下方的采样指令采集所在区域的单位周期气象数据。监测后端根据初始的单位周期气象数据以及环保临界参数确定协同过滤算法，用于城市环保整治方案的建立；同时，监测后端还分析单位周期内气象数据的变化和有害物质特征的识别，此处的功能实现涉及到气象识别技术，本领域技术人员可选用现有的方式进行，监测后端可进行实时的报告，供监控人员随时查看，并在发现污染物超标后将对应的单位周期气象数据分类保存作为污染判断辅助指标。模型训练超边所在城市区域有害物质种类，而监测后端根据模型训练超边对应的有害物质种类信息产生采样指令，控制模型训练超边临近的气象采集装备进行单位周期气象数据的采集。
本发明实施例的基于以太网的曲线图环保智能监测系统在上一实施例的基础上，增加了分布于空气监测无人机的气象采集装备，以对空气监测无人机的单位周期气象数据进行采集，相对应的，监测后端根据单位周期气象数据以及环保临界参数确定协同过滤算法，用于城市环保整治方案的建立，对有害物质浓度和有害物质种类信息进行统计时，也能够结合单位周期气象数据有效地排除设备损坏、认为扰动等干扰因素，从而治理的结果更加准确，以及对单位周期气象数据分析实现有害物质特征的识别，并在发现污染物超标后将对应的单位周期气象数据分类保存作为污染判断辅助指标，便于后期对员工进行批评教育或考核，另一方面，监测后端识别到污染物超标时，根据模型训练超边对应的有害物质种类信息产生采样指令，控制模型训练超边临近的气象采集装备进行单位周期气象数据的采集。
在本发明另一个实施例中，监测后端还根据实时接收的空气探测模块检测的有害物质浓度、模型训练节点对应的有害物质种类信息以及气象采集装备采集的单位周期气象数据对城市环保整治方案进行调整，并根据调整后的城市环保整治方案调整参数设定阈值，以及，曲线图展示有害物质浓度、有害物质种类信息的变化动态。监测后端根据实时接收的有害物质浓度、有害物质种类信息以及单位周期气象数据对城市环保整治方案进行调整，通过闭环反馈机制，实现对空气监测无人机的智能化监测，使监测过程更加科学有效。
具体的，在本发明的实施例中，监测后端还用于在有害物质浓度超出参数设定阈值而产生治理指令时，明确对应空气探测模块以及与空气探测模块连接的模型训练节点，并控制模型训练节点临近的气象采集装备进行单位周期气象数据的采集。此种情况下监测人员能够通过观察单位周期气象数据来分析空气探测模块所处有害物质种类的工况，对空气监测无人机的情况进行初步分析。
具体的，在本发明的实施例中，有害物质特征的识别包括，以超过预设基准的污染物超标气象为样本，以每一种污染物超标对应建立数据集，通过将单位周期气象数据与数据集进行对比明确单位周期气象数据中是否存在污染物超标。本实施例中的“预设基准”可根据污染物超标种类的数量进行选择，作为数据分析行业人员来说，样本采用的越多，后期分析的准确度越高，所以本实施例采用大批量的污染物超标气象作为样本，以提高污染物超标识别的准确度。污染物超标包括有多种，所以根据污染物超标的行为动作差异分别建立对应的数据集，当进行监测时，将实时接收的单位周期气象数据与多个数据集及逆行对比匹配，从而明确出单位周期气象数据中是否存在污染物超标，存在何种污染物超标。本实施例的监测后端实现有害物质特征的识别，也使监测过程更加智能化、准确化、提高城市环保的效率。
具体的，本实施例中的监测后端根据有害物质种类信息、有害物质浓度以及单位周期气象数据评估空气监测无人机的采样准确度，监测后端评估出的采样准确度所体现的有害物质危害性系数越高。本实施例的监测后端可以将整个运行现场划分为多个片区，并分别评估。本实施例中的单位周期气象数据采集方式采用了安装在空气监测无人机的气象采集装备，本实施例还可以通过操控无人机或者机器人进入一些特征提取向量或不便进入的狭窄区域进行单位周期气象数据的采集，从而实现无人化取证，为评估有害物质危害性评估提供科学决策的依据。
本发明实施例还包括由神经元连接的全连接层，全连接层与模型训练超边连接，全连接层与监测后端通讯连接，其中：监测后端在有害物质浓度超出参数设定阈值时，明确对应空气探测模块以及与空气探测模块连接的模型训练节点，并查找与模型训练节点相距小于安全空气影响因素设定值的模型训练超边，向与模型训练超边所连接的全连接层传输映射到样本标记空间指示；以及，在模型训练超边对应的有害物质种类信息超出参数设定阈值时，向与模型训练超边所连接的全连接层传输特征提取向量。安全空气影响因素设定值表示被报警或预警的有害物质浓度所对应的空气探测模块与人之间的安全空气影响因素，若神经元与该空气探测模块的空气影响因素小于安全空气影响因素，则有监测后端向该神经元所连接的全连接层传输映射到样本标记空间指示。
在以上实施例的基础上，本发明实施例中的气象采集装备为气象传感器，球形摄像机根据监测数据库或监测后端产生的采样指令进行转动和单位周期气象数据的采集。气象传感器可以通过转动采集不同视角下的单位周期气象数据，具备气象采集阈值大的优点，根据气象采集要求进行对应的气象采集。
本发明还提供一种智慧城市环保监控方法，如图2所示，包括以下步骤：
S1：获取初始的有害物质浓度以及初始的有害物质种类信息；
S2：获取初始的单位周期气象数据以及环保临界参数，并根据初始的单位周期气象数据以及环保临界参数确定协同过滤算法；
S3：以初始的有害物质浓度和初始的有害物质种类信息结合协同过滤算法建立城市环保整治方案；
S4：接收实时的有害物质浓度、有害物质种类信息以及单位周期气象数据；
S5：结合城市环保整治方案对实时的有害物质浓度和有害物质种类信息进行统计与报告，并在实时的有害物质浓度和有害物质种类信息超出参数设定阈值时产生治理指令；
S6：分析单位周期内气象数据的变化和有害物质特征的识别，根据所识别的有害物质特征将对应的单位周期气象数据分类保存作为污染判断辅助指标。
本实施例的方法在实现过程中可参考前述实施例中系统的相关表述，此处不再赘述。
本发明实现了对空气监测无人机的监测，并以产生的治理信号及时提醒监控人员和神经元更加合理的进行运行作业，确保运行作业过程中神经元的人身安全，也保证了环保建造的顺利进行。
以上借助具体实施例对本发明做了进一步描述，但是应该理解的是，这里具体的描述，不应理解为对本发明的实质和阈值的限定，本领域内的普通技术人员在阅读本说明书后对上述实施例做出的各种修改，都属于本发明所保护的阈值。
Claims (8)
1.一种智慧城市环保监控系统，其特征在于，包括空气探测模块、超图神经网络模块、模型训练服务器、监测数据库、监测后端；
所述空气探测模块检测空气监测的有害物质浓度，并将有害物质浓度传输到所述监测数据库；
所述超图神经网络模块包括多个和所述空气探测模块连接的模型训练节点，以及多个由神经元连接的模型训练超边，所述超图神经网络模块向所述模型训练服务器传输空气影响因素信息；
所述模型训练服务器根据所述空气影响因素信息计算所述超图神经网络模块所在城市区域有害物质种类，并将对应的有害物质种类信息传输至所述监测数据库；
所述监测数据库将收到的有害物质浓度和有害物质种类信息进行分类保存，以及向所述监测后端传输；
所述监测后端以所述空气探测模块检测的初始的有害物质浓度以及与所述超图神经网络模块所对应的初始的有害物质种类信息结合协同过滤算法建立城市环保整治方案，以及，结合所述城市环保整治方案对实时接收的有害物质浓度和有害物质种类信息进行统计与报告，并在有害物质浓度和有害物质种类信息超出参数设定阈值时产生治理指令；
所述系统还包括分布于空气监测无人机的气象采集装备，所述气象采集装备与所述监测数据库通讯连接，其中：
所述气象采集装备根据监测数据库或所述监测后端产生的采样指令采集所在区域的单位周期气象数据，并将单位周期气象数据传输至所述监测数据库；
所述监测数据库将单位周期气象数据传输至所述监测后端，以及，所述监测数据库接收所述监测后端下发的采样指令并向所述气象采集装备转发；
所述监测后端根据初始的单位周期气象数据以及环保临界参数确定所述协同过滤算法；分析单位周期内气象数据的变化和有害物质特征的识别，根据所识别的有害物质特征将对应的单位周期气象数据分类保存作为污染判断辅助指标；根据所述模型训练超边对应的所述有害物质种类信息产生采样指令，控制所述模型训练超边临近的所述气象采集装备进行单位周期气象数据的采集。
2.如权利要求1所述的一种智慧城市环保监控系统，其特征在于，所述监测后端还根据实时接收的所述空气探测模块检测的有害物质浓度、模型训练节点对应的有害物质种类信息以及所述气象采集装备采集的单位周期气象数据对所述城市环保整治方案进行调整，并根据调整后的所述城市环保整治方案调整所述参数设定阈值，以及，曲线图展示有害物质浓度、有害物质种类信息的变化动态。
3.如权利要求1所述的一种智慧城市环保监控系统，其特征在于，所述监测后端还用于在有害物质浓度超出所述参数设定阈值而产生所述治理指令时，明确对应所述空气探测模块以及与所述空气探测模块连接的所述模型训练节点，并控制所述模型训练节点临近的所述气象采集装备进行单位周期气象数据的采集。
4.如权利要求1所述的一种智慧城市环保监控系统，其特征在于，有害物质特征的识别包括，以超过预设基准的污染物超标气象为样本，以每一种污染物超标对应建立数据集，通过将单位周期气象数据与所述数据集进行对比明确单位周期气象数据中是否存在污染物超标。
5.如权利要求1所述的一种智慧城市环保监控系统，其特征在于，所述监测后端根据有害物质种类信息、有害物质浓度以及单位周期气象数据评估空气监测无人机的采样准确度。
6.如权利要求1所述的一种智慧城市环保监控系统，其特征在于，还包括由神经元连接的全连接层，所述全连接层与所述模型训练超边连接，所述全连接层与所述监测后端通讯连接，其中：
所述监测后端在有害物质浓度超出所述参数设定阈值时，明确对应所述空气探测模块以及与所述空气探测模块连接的所述模型训练节点，并查找与所述模型训练节点相距小于安全空气影响因素设定值的所述模型训练超边，向与所述模型训练超边所连接的所述全连接层传输映射到样本标记空间指示；以及，在所述模型训练超边对应的有害物质种类信息超出所述参数设定阈值时，向与所述模型训练超边所连接的所述全连接层传输特征提取向量。
7.如权利要求1所述的一种智慧城市环保监控系统，其特征在于，所述气象采集装备为气象传感器，球形摄像机根据监测数据库或所述监测后端产生的采样指令进行转动和单位周期气象数据的采集。
8.一种智慧城市环保监控方法，其特征在于，所述方法包括：
S1、获取初始的有害物质浓度以及初始的有害物质种类信息；
S2、获取初始的单位周期气象数据以及环保临界参数，并根据初始的单位周期气象数据以及环保临界参数确定协同过滤算法；
S3、以初始的有害物质浓度和初始的有害物质种类信息结合所述协同过滤算法建立城市环保整治方案；
S4、接收实时的有害物质浓度、有害物质种类信息以及单位周期气象数据；
S5、结合所述城市环保整治方案对实时的有害物质浓度和有害物质种类信息进行统计与报告，并在实时的有害物质浓度和有害物质种类信息超出参数设定阈值时产生治理指令；
S6、分析单位周期内气象数据的变化和有害物质特征的识别，根据所识别的有害物质特征将对应的单位周期气象数据分类保存作为污染判断辅助指标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410331641.9A CN117932278B (zh) | 2024-03-22 | 2024-03-22 | 一种智慧城市环保监控系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410331641.9A CN117932278B (zh) | 2024-03-22 | 2024-03-22 | 一种智慧城市环保监控系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117932278A true CN117932278A (zh) | 2024-04-26 |
| CN117932278B CN117932278B (zh) | 2024-06-21 |
Family
ID=90759580
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410331641.9A Active CN117932278B (zh) | 2024-03-22 | 2024-03-22 | 一种智慧城市环保监控系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117932278B (zh) |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180284737A1 (en) * | 2016-05-09 | 2018-10-04 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for detection in an industrial internet of things data collection environment with large data sets |
| US20190097909A1 (en) * | 2017-09-25 | 2019-03-28 | Splunk Inc. | Collaborative incident management for networked computing systems |
| CN109997531A (zh) * | 2019-03-08 | 2019-07-12 | 合肥学院 | 一种基于协同过滤的植物生长周期图的制作方法 |
| CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和系统 |
| CN110555551A (zh) * | 2019-08-23 | 2019-12-10 | 中南大学 | 一种智慧城市的空气质量大数据管理方法及系统 |
| CN112613602A (zh) * | 2020-12-25 | 2021-04-06 | 神行太保智能科技(苏州)有限公司 | 基于知识感知超图神经网络的推荐方法及系统 |
| CN113505305A (zh) * | 2021-05-11 | 2021-10-15 | 清华大学 | 基于解耦式双通道超图神经网络的协同过滤推荐方法和系统 |
| CN113554052A (zh) * | 2021-05-10 | 2021-10-26 | 北京数汇通信息技术有限公司 | 一种城市空气质量评估诊断系统 |
| CN113819954A (zh) * | 2021-10-19 | 2021-12-21 | 西安东方宏业科技股份有限公司 | 一种智慧城市的环境监测系统 |
| CN114004715A (zh) * | 2020-07-28 | 2022-02-01 | 西安电子科技大学青岛计算技术研究院 | 一种基于大数据智能推荐算法的学习环境构建方法 |
| CN114255851A (zh) * | 2021-12-22 | 2022-03-29 | 闽江学院 | 基于超图神经网络的中草药方剂推荐方法 |
| US20230045690A1 (en) * | 2021-07-16 | 2023-02-09 | Tata Consultancy Services Limited | System and method for molecular property prediction using edge conditioned identity mapping convolution neural network |
| CN116821521A (zh) * | 2023-07-12 | 2023-09-29 | 广东外语外贸大学 | 一种基于高阶协同过滤的第三方库推荐方法及装置 |
| CN116935203A (zh) * | 2023-09-18 | 2023-10-24 | 吉林大学 | 一种基于声光融合的潜水员智能监控方法和系统 |
| US20230385607A1 (en) * | 2022-05-31 | 2023-11-30 | Sony Group Corporation | Hypergraph-based collaborative filtering recommendations |
| CN117236855A (zh) * | 2023-11-13 | 2023-12-15 | 山东朝辉生物科技有限公司 | 一种生物饲料仓储管理系统及方法 |
| CN117593077A (zh) * | 2023-11-20 | 2024-02-23 | 上海幻电信息科技有限公司 | 基于超图神经网络的道具组合推荐方法、装置及计算设备 |
| CN117696224A (zh) * | 2023-12-26 | 2024-03-15 | 紫金智控(厦门)科技股份有限公司 | 一种基于大模型的磨矿优化处理系统 |
| CN117725936A (zh) * | 2023-12-15 | 2024-03-19 | 中国矿业大学 | 一种基于超图网络的长对话情感动态识别方法及系统 |
| CN117726036A (zh) * | 2023-12-22 | 2024-03-19 | 重庆东煌高新科技有限公司 | 污染源监测设备的智慧管理系统、方法及存储介质 |
-
2024
- 2024-03-22 CN CN202410331641.9A patent/CN117932278B/zh active Active
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180284737A1 (en) * | 2016-05-09 | 2018-10-04 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for detection in an industrial internet of things data collection environment with large data sets |
| CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和系统 |
| US20190097909A1 (en) * | 2017-09-25 | 2019-03-28 | Splunk Inc. | Collaborative incident management for networked computing systems |
| CN109997531A (zh) * | 2019-03-08 | 2019-07-12 | 合肥学院 | 一种基于协同过滤的植物生长周期图的制作方法 |
| CN110555551A (zh) * | 2019-08-23 | 2019-12-10 | 中南大学 | 一种智慧城市的空气质量大数据管理方法及系统 |
| CN114004715A (zh) * | 2020-07-28 | 2022-02-01 | 西安电子科技大学青岛计算技术研究院 | 一种基于大数据智能推荐算法的学习环境构建方法 |
| CN112613602A (zh) * | 2020-12-25 | 2021-04-06 | 神行太保智能科技(苏州)有限公司 | 基于知识感知超图神经网络的推荐方法及系统 |
| CN113554052A (zh) * | 2021-05-10 | 2021-10-26 | 北京数汇通信息技术有限公司 | 一种城市空气质量评估诊断系统 |
| CN113505305A (zh) * | 2021-05-11 | 2021-10-15 | 清华大学 | 基于解耦式双通道超图神经网络的协同过滤推荐方法和系统 |
| US20230045690A1 (en) * | 2021-07-16 | 2023-02-09 | Tata Consultancy Services Limited | System and method for molecular property prediction using edge conditioned identity mapping convolution neural network |
| CN113819954A (zh) * | 2021-10-19 | 2021-12-21 | 西安东方宏业科技股份有限公司 | 一种智慧城市的环境监测系统 |
| CN114255851A (zh) * | 2021-12-22 | 2022-03-29 | 闽江学院 | 基于超图神经网络的中草药方剂推荐方法 |
| US20230385607A1 (en) * | 2022-05-31 | 2023-11-30 | Sony Group Corporation | Hypergraph-based collaborative filtering recommendations |
| CN116821521A (zh) * | 2023-07-12 | 2023-09-29 | 广东外语外贸大学 | 一种基于高阶协同过滤的第三方库推荐方法及装置 |
| CN116935203A (zh) * | 2023-09-18 | 2023-10-24 | 吉林大学 | 一种基于声光融合的潜水员智能监控方法和系统 |
| CN117236855A (zh) * | 2023-11-13 | 2023-12-15 | 山东朝辉生物科技有限公司 | 一种生物饲料仓储管理系统及方法 |
| CN117593077A (zh) * | 2023-11-20 | 2024-02-23 | 上海幻电信息科技有限公司 | 基于超图神经网络的道具组合推荐方法、装置及计算设备 |
| CN117725936A (zh) * | 2023-12-15 | 2024-03-19 | 中国矿业大学 | 一种基于超图网络的长对话情感动态识别方法及系统 |
| CN117726036A (zh) * | 2023-12-22 | 2024-03-19 | 重庆东煌高新科技有限公司 | 污染源监测设备的智慧管理系统、方法及存储介质 |
| CN117696224A (zh) * | 2023-12-26 | 2024-03-15 | 紫金智控(厦门)科技股份有限公司 | 一种基于大模型的磨矿优化处理系统 |
Non-Patent Citations (4)
| Title |
|---|
| MAROUA MASMOUDI 等: "A Novel Lie Hypergraph Based Lifetime Enhancement Routing Protocol for Environmental Monitoring in Wireless Sensor Networks", 《FUTURE GENERATION COMPUTER SYSTEMS》, 28 February 2021 (2021-02-28), pages 720 - 740 * |
| YIFAN FENG 等: "Hypergraph Neural Networks", 《PROCEEDINGS OF THE AAAI CONFERENCE ON ARTIFICIAL INTELLIGENCE》, 17 July 2019 (2019-07-17), pages 3558 - 3565 * |
| 张永凯: "面向交通流量预测的时空超图神经网络研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, 15 July 2023 (2023-07-15), pages 034 - 430 * |
| 聂正伟: "基于超图卷积的协同过滤推荐算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 January 2023 (2023-01-15), pages 138 - 3310 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117932278B (zh) | 2024-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105261079A (zh) | 便携式智能电力巡检装置 | |
| CN110487980A (zh) | 一种基于人工智能与机器学习算法的水环境监测分析系统 | |
| CN111882071A (zh) | 一种基于机器学习的预应力钢构件监测方法 | |
| CN112326583A (zh) | 一种基于物联网的毒害气体智能检测系统及方法 | |
| CN110631640A (zh) | 基于物联网的仓储烟叶霉变状态智能监测系统及方法 | |
| CN114518143A (zh) | 一种智能环境感知系统 | |
| CN114446021A (zh) | 一种基于无线通讯的建筑工程监测系统 | |
| CN115060312A (zh) | 一种基于人工智能的建筑材料安全监测系统 | |
| CN112419571A (zh) | 基于轻载算法的分布式变电站安全作业监测装置及方法 | |
| CN115939996A (zh) | 一种电力巡检机器人的自动巡检系统 | |
| CN117932278B (zh) | 一种智慧城市环保监控系统及方法 | |
| CN113709350A (zh) | 一种ai智能降尘系统 | |
| CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 | |
| CN117310093A (zh) | 基于物联网的大气环境监测系统 | |
| CN110989042A (zh) | 一种高速公路团雾风险的智能化预测方法 | |
| CN114926948A (zh) | 基于卫星物联网的林业防火监控方法及系统 | |
| CN111913516A (zh) | 基于5g网络的变电站控制系统 | |
| CN112032567A (zh) | 一种埋地燃气管道泄漏危险度预测系统 | |
| CN118034354B (zh) | 一种基于无人机的电力巡检控制方法及系统 | |
| CN117975372B (zh) | 一种基于YOLOv8和Transformer编码器相结合的工地安全检测系统及方法 | |
| CN117714910B (zh) | 一种基于物联网的楼宇对讲机控制系统 | |
| CN216129235U (zh) | 一种起重机结构安全监测系统 | |
| CN117977795A (zh) | 一种输电线路监测方法 | |
| CN117933713A (zh) | 一种用于输电线路的安全态势感知预警系统 | |
| CN118034354A (zh) | 一种基于无人机的电力巡检控制方法及系统 |
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 |