CN114778774A - 基于人工智能的温室气体监测方法及相关设备 - Google Patents
基于人工智能的温室气体监测方法及相关设备 Download PDFInfo
- Publication number
- CN114778774A CN114778774A CN202210423839.0A CN202210423839A CN114778774A CN 114778774 A CN114778774 A CN 114778774A CN 202210423839 A CN202210423839 A CN 202210423839A CN 114778774 A CN114778774 A CN 114778774A
- Authority
- CN
- China
- Prior art keywords
- greenhouse gas
- observation
- greenhouse
- spatial distribution
- abnormal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000005431 greenhouse gas Substances 0.000 title claims abstract description 626
- 238000012544 monitoring process Methods 0.000 title claims abstract description 191
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 37
- 230000002159 abnormal effect Effects 0.000 claims abstract description 116
- 239000011159 matrix material Substances 0.000 claims abstract description 112
- 239000013598 vector Substances 0.000 claims abstract description 108
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 13
- 238000012806 monitoring device Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical compound [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 239000001569 carbon dioxide Substances 0.000 description 3
- 239000001272 nitrous oxide Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- -1 Freon Chemical compound 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910018503 SF6 Inorganic materials 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- SFZCNBIFKDRMGX-UHFFFAOYSA-N sulfur hexafluoride Chemical compound FS(F)(F)(F)(F)F SFZCNBIFKDRMGX-UHFFFAOYSA-N 0.000 description 1
- 229960000909 sulfur hexafluoride Drugs 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请提出一种基于人工智能的温室气体监测方法、装置、电子设备及存储介质,基于人工智能的温室气体监测方法包括:采集多个观测点在不同高程值上不同温室气体的浓度值得到观测点的观测数据;依据观测数据构建各观测点处所有温室气体的观测向量,将同种温室气体的观测向量作为温室气体的观测矩阵;基于观测矩阵计算各温室气体的空间分布特征,并制定飞航监测方案采集各温室气体的浓度值得到温室气体数据;监测温室气体的空间分布特征得到异常温室气体,并制定新的飞航监测方案以更新温室气体数据。本申请能够针对性的制定飞航监测方案以保证温室气体数据的准确性,并监测温室气体的空间分布及时更新温室气体数据,实现温室气体的精准监测。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种基于人工智能的温室气体监测方法、装置、电子设备及存储介质。
背景技术
温室气体监测是指对二氧化碳、甲烷、氧化亚氮、氢氟碳化物、全氟化碳、六氟化硫等多种温室气体排放量进行监测的碳监测方法,是温室效应评价的依据和减排措施制定的标尺,也是全面掌握温室气体排放及其环境、气候效应,预测其未来变化的重要保障。
目前,通常利用地面固定观测站或移动观测站使用温室气体传感器实时检测目标区域内不同高度的温室气体浓度数据,然而,由于温室气体排放存在较大的时空变化特征,故这种方式获取的监测数据可信度较低,不能实现目标区域内温室气体的精准监测。
发明内容
鉴于以上内容,有必要提出一种基于人工智能的温室气体监测方法及相关设备,以解决如何实现区域内温室气体的精准监测这一技术问题,其中,相关设备包括基于人工智能的温室气体监测装置、电子设备及存储介质。
本申请提供基于人工智能的温室气体监测方法,所述方法包括:
在监测区域内选取多个观测点,并采集所述观测点在不同高程值上的每一种温室气体的浓度值以构成每一个观测点的观测数据;
基于所述观测数据中不同温室气体的浓度值构建所有观测点处每一种温室气体的观测向量,并排列不同观测点处同种温室气体的观测向量以获取每一种温室气体的观测矩阵;
基于所述温室气体的观测矩阵计算每一种温室气体的空间分布特征;
基于所述温室气体的观测矩阵制定飞航监测方案以绘制所述监测区域的温室气体空间分布图,所述温室气体空间分布图包括每一种温室气体在空间位置处的浓度值;
监测所述温室气体的空间分布特征的变化以获取异常温室气体以及所述异常温室气体对应的异常观测矩阵;
当获取到异常温室气体时,基于所述异常观测矩阵制定新的飞航监测方案以更新所述温室气体空间分布图。
在一些实施例中,所述基于所述观测数据中不同温室气体的浓度值构建所有观测点处每一种温室气体的观测向量包括:
获取目标观测点的观测数据,所述目标观测点为所述监测区域内多个观测点处的任意一个;
从目标观测点的观测数据中获取目标温室气体的浓度值以构成所述目标温室气体的观测子数据,所述目标温室气体为所有温室气体中的任意一种;
从所述目标温室气体的观测子数据中获取最大浓度值、最小浓度值、最大浓度值对应的高程值和最小浓度值对应的高程值以构建所述目标温室气体的观测向量;
遍历所有温室气体的浓度值以获取所述目标观测点处每一种温室气体的观测向量;
遍历所有观测点以获取每一个观测点处每一种温室气体的观测向量。
在一些实施例中,所述基于所述温室气体的观测矩阵计算每一种温室气体的空间分布特征包括:
计算目标温室气体的观测矩阵中任意两个观测向量的内积,所述目标温室气体为所有温室气体中的任意一种;
基于所述观测向量的内积构建所述目标温室气体的空间分布特征,所述空间分布特征为方阵,第i行第j列的数值为第i个观测向量和第j个观测向量的内积;
遍历所有温室气体的观测矩阵以获取每一种温室气体的空间分布特征。
在一些实施例中,所述基于所述温室气体的观测矩阵制定飞航监测方案以绘制所述监测区域的温室气体空间分布图,所述温室气体空间分布图包括每一种温室气体在空间位置处的浓度值,包括:
基于所述温室气体的观测矩阵获取每一种温室气体的待监测范围;
依据所述温室气体的待监测范围制定飞航监测方案以采集所述待监测范围的不同温室气体的浓度值;
创建三维坐标系,并基于所述不同温室气体的浓度值在所述三维坐标系中设置不同图层以绘制所述监测区域的温室气体空间分布图,所述图层与所述温室气体种类一一对应。
在一些实施例中,所述基于所述温室气体的观测矩阵获取每一种温室气体的待监测范围包括:
从目标温室气体的观测矩阵中提取所述最大浓度值对应的高程值所在的行以构成最大值高程向量,所述目标温室气体为所有温室气体中的任意一种;
获取所述最大值高程向量中的最大高程值和最小高程值分别作为上下限以构成所述目标温室气体的最大浓度值的分布范围;
从所述目标温室气体的观测矩阵中提取所述最小浓度值对应的高程值所在的行以获取所述目标温室气体的最小浓度值的分布范围;
将所述目标温室气体的最大浓度值的分布范围和最小浓度值的分布范围作为所述目标温室气体的待监测范围;
遍历每一种温室气体的观测矩阵得到每一种温室气体的待监测范围。
在一些实施例中,所述监测所述温室气体的空间分布特征的变化以获取异常温室气体以及所述异常温室气体对应的异常观测矩阵包括:
依据固定周期采集每一种温室气体的实时观测矩阵和实时空间分布特征;
计算同种温室气体的实时空间分布特征与历史空间分布特征的相似度,所述历史空间分布特征为最近一次温室气体空间分布特征,所述相似度满足如下关系:
其中,为所述温室气体k的实时空间分布特征中第i行第j列的数值,G(k)′i,j为所述温室气体k的历史空间分布特征中第i行第j列的数值,M为所述空间分布特征的行数和列数,Sim(k)为温室气体k的所述实时空间分布特征和所述历史空间分布特征的相似度;
对比每一种温室气体的相似度与预设相似度以获取异常温室气体,并将异常温室气体对应的实时观测矩阵作为异常观测矩阵。
在一些实施例中,所述当获取到异常温室气体时,基于所述异常观测矩阵制定新的飞航监测方案以更新所述温室气体空间分布图,包括:
当获取到异常温室气体时,依据异常温室气体对应的异常观测矩阵制定新的飞航监测方案;
执行所述新的飞航监测方案以采集所述异常温室气体的浓度值;
基于所述异常温室气体的浓度值绘制所述异常温室气体对应的图层以更新所述温室气体空间分布图。
本申请实施例还提供一种基于人工智能的温室气体监测装置,所述装置包括:
采集单元,用于在监测区域内选取多个观测点,并采集所述观测点在不同高程值上的每一种温室气体的浓度值以构成每一个观测点的观测数据;
排列单元,用于基于所述观测数据中不同温室气体的浓度值构建所有观测点处每一种温室气体的观测向量,并排列不同观测点处同种温室气体的观测向量以获取每一种温室气体的观测矩阵;
计算单元,用于基于所述温室气体的观测矩阵计算每一种温室气体的空间分布特征;
绘制单元,用于基于所述温室气体的观测矩阵制定飞航监测方案以绘制所述监测区域的温室气体空间分布图,所述温室气体空间分布图包括每一种温室气体在空间位置处的浓度值;
监测单元,用于监测所述温室气体的空间分布特征的变化以获取异常温室气体以及所述异常温室气体对应的异常观测矩阵;
更新单元,用于当获取到异常温室气体时,基于所述异常观测矩阵制定新的飞航监测方案以更新所述温室气体空间分布图。
本申请实施例还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;
处理器,执行所述存储器中存储的指令以实现所述的基于人工智能的温室气体监测方法。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现所述的基于人工智能的温室气体监测方法。
综上,本申请能够依据监测区域内多个观测点采集不同高程值的观测数据,进而制定无人机的飞航监测方案,有针对性的采集不同高程值处温室气体数据以保证温室气体数据的准确性,同时基于观测数据构建温室气体的空间分布特征,监测温室气体空间分布的变化,及时采集新的数据以保证温室气体数据的实时性,从而实现温室气体的精准监测。
附图说明
图1是本申请所涉及的基于人工智能的温室气体监测方法的较佳实施例的流程图。
图2是本申请所涉及的温室气体的空间分布图。
图3是本申请所涉及的基于人工智能的温室气体监测装置的较佳实施例的功能模块图。
图4是本申请所涉及的基于人工智能的温室气体监测方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本申请的目的、特征和优点,下面结合附图和具体实施例对本申请进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互结合。在下面的描述中阐述了很多具体细节以便于充分理解本申请,所述描述的实施例仅是本申请一部分实施例,而不是全部的实施例。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本申请实施例提供一种基于人工智能的温室气体监测方法,可应用于一个或者多个电子设备中,电子设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
电子设备可以是任何一种可与客户进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏机、交互式网络电视(Internet Protocol Television,IPTV)、智能式穿戴式设备等。
电子设备还可以包括网络设备和/或客户设备。其中,所述网络设备包括,但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量主机或网络服务器构成的云。
电子设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
如图1所示,是本申请基于人工智能的温室气体监测方法的较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
S10,在监测区域内选取多个观测点,并采集所述观测点在不同高程值上的每一种温室气体的浓度值以构成每一个观测点的观测数据。
在一个可选的实施例中,将监测区域划分为多个面积相等的子区域,在每一个子区域的中心点设置一个观测点,得到所述监测区域内多个观测点,所述监测区域可以为森林、工厂、水上等有温室气体监测需求的所有区域;进一步,在升空气球下方安置激光传感器和温室气体传感器,所述激光传感器用于测量升空气球所在的高程值,所述温室气体传感器用于采集温室气体的浓度,所述温室气体包括二氧化碳、氧化亚氮、氟利昂、甲烷等多种温室气体;在每个观测点处均部署一个升空气球,控制所述升空气球竖直升空到达不同的高程值,借助升空气球上部署的激光传感器和温室气体传感器,采集预设高程范围内每一个高程值上所有温室气体的浓度值,其中,所述预设高程范围包括温室气体所有可能分布的高程值。
该可选的实施例中,针对一个观测点而言,将预设高程范围内所有高程值上采集到的每一种温室气体的浓度值作为所述观测点的观测数据,所述观测数据与所述观测点一一对应。
如此,能够获取监测区域内每一个观测点的观测数据,观测数据为不同高程值上所有温室气体的浓度值,为后续飞航监测方案的制定提供数据基础,所述飞航监测方案为无人机的飞行高度范围,用于采集监测区域内不同空间位置处的温室气体的浓度值。
S11,基于所述观测数据中不同温室气体的浓度值构建所有观测点处每一种温室气体的观测向量,并排列不同观测点处同种温室气体的观测向量以获取每一种温室气体的观测矩阵。
在一个可选的实施例中,所述基于所述观测数据中不同温室气体的浓度值构建所有观测点处每一种温室气体的观测向量包括:
获取目标观测点的观测数据,所述目标观测点为所述监测区域内多个观测点处的任意一个;
从目标观测点的观测数据中获取目标温室气体的浓度值以构成所述目标温室气体的观测子数据,所述目标温室气体为所有温室气体中的任意一种;
从所述目标温室气体的观测子数据中获取最大浓度值、最小浓度值、最大浓度值对应的高程值和最小浓度值对应的高程值以构建所述目标温室气体的观测向量;
遍历所有温室气体的浓度值以获取所述目标观测点处每一种温室气体的观测向量;
遍历所有观测点以获取每一个观测点处每一种温室气体的观测向量。
该可选的实施例中,获取目标观测点的观测数据,所述目标观测点为所述监测区域内多个观测点处的任意一个,从所有温室气体中随机挑选一种温室气体作为目标温室气体,从所述目标观测点的观测数据中提取所述目标温室气体在每一个高程值上的浓度值以构建所述目标温室气体的观测子数据;进一步选取所述目标温室气体的观测子数据中的最大浓度值max和最小浓度值min,并获取所述最大浓度值对应的高程值max(h)以及所述最小浓度值对应的高程值min(h),将max、min、max(h)、min(h)按照固定顺序进行排列,得到所述目标观测点处所述目标温室气体的观测向量,所述观测向量为4行1列的列向量,可以表征所述目标温室气体在所述目标观测点处竖直方向上的纵向分布特征;按照上述的方法遍历所有温室气体获取所述目标观测点处每一种温室气体的观测向量。
该可选的实施例中,重复执行上述步骤以获取每一个观测点处每一种温室气体的观测向量,将温室气体的种类数记为N,则每一个观测点可以获得N个观测向量,所述观测向量与所述温室气体的种类一一对应。
该可选的实施例中,从不同观测点处提取相同温室气体的观测向量,将监测区域中观测点的数量记为M,则每一种温室气体对应M个观测向量,将所述M个观测向量按照预设顺序沿着行方向进行排列,即可得到每一种温室气体的观测矩阵,所述观测矩阵的尺寸为4行M列。其中,所述预设顺序是为了保证每一种温室气体的观测矩阵中相同列的观测向量来自相同观测点。
如此,能够基于所有观测点的观测数据得到每一种温室气体的观测矩阵,所述观测矩阵可以精准的表征温室气体在每一个观测点处竖直方向上的纵向分布特征,为后续温室气体的监测提供数据基础。
S12,基于所述温室气体的观测矩阵计算每一种温室气体的空间分布特征。
在一个可选的实施例中,所述基于所述温室气体的观测矩阵计算每一种温室气体的空间分布特征包括:
计算目标温室气体的观测矩阵中任意两个观测向量的内积,所述目标温室气体为所有温室气体中的任意一种;
基于所述观测向量的内积构建所述目标温室气体的空间分布特征,所述空间分布特征为方阵,第i行第j列的数值为第i个观测向量和第j个观测向量的内积;
遍历所有温室气体的观测矩阵以获取每一种温室气体的空间分布特征。
该可选的实施例中,由于不同温室气体的空间分布特征计算过程相同,以目标温室气体为示例描述所述目标温室气体的空间分布特征的计算过程,其中,所述目标温室气体为所有温室气体中的任意一个。
该可选的实施例中,所述目标温室气体的观测矩阵包括M个观测向量,计算任意两个观测向量的内积,所述内积可以反映所述两个观测向量之间的相关性,以第j个观测向量和第i个观测向量为示例,所述内积的计算公式为:
其中,gj表示第j个观测向量,表示第i个观测向量的转置,Gi,j是一个数值,表示第i个观测向量和第j个观测向量的内积,反映所述第i个观测向量和所述第j个观测向量之间的相关性;基于观测向量的内积构建所述目标温室气体的空间分布特征,所述空间分布特征为M行M列的方阵,空间分布特征中第i行第j列的数值为所述第i个观测向量和所述第j个观测向量的内积Gi,j。
该可选的实施例中,所述目标温室气体的空间分布特征可以表征所述目标温室气体在每一个观测点纵向分布特征之间的相关性,可以反映监测区域内所述目标温室气体的分布情况,当所述目标温室气体的分布情况发生变化时,所述目标温室气体的空间分布特征也会随之变化。
如此,能够按照相同的方法获取每一种温室气体的空间分布特征,实现监测区域内每一种温室气体的分布情况的精准量化,用于监测温室气体分布情况的变化。
S13,基于所述温室气体的观测矩阵制定飞航监测方案以绘制所述监测区域的温室气体空间分布图,所述温室气体空间分布图包括每一种温室气体在空间位置处的浓度值。
在一个可选的实施例中,所述基于所述温室气体的观测矩阵制定飞航监测方案以绘制所述监测区域的温室气体空间分布图,所述温室气体空间分布图包括每一种温室气体在空间位置处的浓度值,包括:
基于所述温室气体的观测矩阵获取每一种温室气体的待监测范围;
依据所述温室气体的待监测范围制定飞航监测方案以采集所述待监测范围的不同温室气体的浓度值;
创建三维坐标系,并基于所述不同温室气体的浓度值在所述三维坐标系中设置不同图层以绘制所述监测区域的温室气体空间分布图,所述图层与所述温室气体种类一一对应。
该可选的实施例中,所述基于所述温室气体的观测矩阵获取每一种温室气体的待监测范围包括:
从目标温室气体的观测矩阵中提取所述最大浓度值对应的高程值所在的行以构成最大值高程向量,所述目标温室气体为所有温室气体中的任意一种;
获取所述最大值高程向量中的最大高程值和最小高程值分别作为上下限以构成所述目标温室气体的最大浓度值的分布范围;
从所述目标温室气体的观测矩阵中提取所述最小浓度值对应的高程值所在的行以获取所述目标温室气体的最小浓度值的分布范围;
将所述目标温室气体的最大浓度值的分布范围和最小浓度值的分布范围作为所述目标温室气体的待监测范围;
遍历每一种温室气体的观测矩阵得到每一种温室气体的待监测范围。
其中,所述最大值高程向量为1行M列,包括监测区域内M个观测点处所述目标温室气体的最大浓度值对应的高程值,所述温室气体的待监测范围涵盖了所述监测区域内各个位置处所述温室气体的最大浓度值和最小浓度值。
该可选的实施例中,依据所有温室气体的待监测范围制定飞航监测方案,所述飞航监测方案包括无人机在监测区域内的飞行高度范围,所述飞行高度范围包括所有温室气体的待监测范围。
该可选的实施例中,在获取飞航监测方案之后,在无人机上部署温室气体传感器以采集飞行高度范围内的温室气体浓度值。在采集过程中,实时获取无人机的飞行高度,对比所述飞行高度和所有温室气体的待监测范围,当所述飞行高度位于温室气体的监测范围内时,储存所述温室气体的浓度值和所述无人机的空间位置,降低存储的数据量,所述无人机的空间位置包括无人机在监测区域平面内的位置信息以及无人机的飞行高度。
示例性的,现已知温室气体1的监测范围为[10,15],温室气体2的监测范围为[8,12],温室气体3的监测范围为[11,16];则所述飞航监测方案中无人机的飞行高度范围为[8,16],在采集过程中,若无人机的飞行高度为10,无人机上部署的温室气体传感器可以采集飞行高度10时所有温室气体的浓度值,但由于所述飞行高度只位于温室气体1和温室气体2的监测范围内,故无人机仅存储温室气体1和温室气体2的浓度值以及所述无人机的空间位置即可。
该可选的实施例中,创建z轴、y轴和z轴构建三维坐标系,所述三维坐标系中xy平面为监测区域所在的平面,z轴表示不同的高程值,所述三维坐标系中的每一个点与监测区域内的空间位置一一对应,将无人机采集的所有空间位置对应的温室气体浓度值作为像素值绘制在所述三维坐标系内,所述浓度值与所述像素值一一对应,将不同的温室气体绘制在不同的图层以进行区分,保证不同温室气体的分布情况相互独立,得到所述监测区域的温室气体空间分布图,所述温室气体空间分布图包括每一种温室气体的空间分布。需要说明的是,各图层可以单独显示,以只有一个图层的温室气体的空间分布图为示例,所述温室气体的空间分布图如图2所示。
如此,能够依据每一种温室气体的监测矩阵合理制定无人机飞航方案,实现监测区域内重要高程值的精准监控,提高无人机进行温室气体监测的效率,并得到监测区域内温室气体空间分布图以反映每一种温室气体的分布情况。
S14,监测所述温室气体的空间分布特征的变化以获取异常温室气体以及所述异常温室气体对应的异常观测矩阵。
在一个可选的实施例中,所述监测所述温室气体的空间分布特征的变化以获取异常温室气体以及所述异常温室气体对应的异常观测矩阵包括:
依据固定周期采集每一种温室气体的实时观测矩阵和实时空间分布特征;
计算同种温室气体的实时空间分布特征与历史空间分布特征的相似度,所述历史空间分布特征为最近一次温室气体空间分布特征;
对比每一种温室气体的相似度与预设相似度以获取异常温室气体,并将异常温室气体对应的实时观测矩阵作为异常观测矩阵。
该可选的实施例中,每隔固定时间对监测区域内所有观测点进行一次数据采集,得到每一个观测点的实时观测数据,基于所述实时观测数据可以获取每一种温室气体的实时观测矩阵和实时空间分布特征。
该可选的实施例中,获取最近一次的每一种温室气体的历史空间分布特征,计算相同种类的温室气体的所述实时空间分布特征和所述历史空间分布特征的相似度,以温室气体k为示例,所述相似度的计算公式如下:
其中,为所述温室气体k的实时空间分布特征中第i行第j列的数值,G(k)′i,j为所述温室气体k的历史空间分布特征中第i行第j列的数值,M为所述空间分布特征的行数和列数,Sim(k)为温室气体k的所述实时空间分布特征和所述历史空间分布特征的相似度,所述相似度与所述温室气体的种类一一对应。
该可选的实施例中,对比每一种温室气体的相似度和预设相似度阈值以判断所述温室气体的分布情况是否发生变化,若所述温室气体的相似度大于预设相似度阈值,则说明所述温室气体的分布情况发生了变化,将所述温室气体作为异常温室气体,将所述异常温室气体对应的实时观测矩阵作为异常观测矩阵,所述预设相似度阈值取值为0.8。需要说明的是,同一时间所述异常温室气体为一个或多个。
如此,能够基于观测点的观测数据获取异常温室气体以及异常观测矩阵,实现对每一种温室气体分布情况的全局监测,保证温室气体分布情况发生变化时及时更新监测区域温室气体空间分布图。
S15,当获取到异常温室气体时,基于所述异常观测矩阵制定新的飞航监测方案以更新所述温室气体空间分布图。
在一个可选的实施例中,所述当获取到异常温室气体时,基于所述异常观测矩阵制定新的飞航监测方案以更新所述温室气体空间分布图,包括:
当获取到异常温室气体时,依据异常温室气体对应的异常观测矩阵制定新的飞航监测方案;
执行所述新的飞航监测方案以采集所述异常温室气体的浓度值;
基于所述异常温室气体的浓度值绘制所述异常温室气体对应的图层以更新所述温室气体空间分布图。
该可选的实施例中,当获取到异常温室气体时,说明所述异常温室气体的分布发生变化,此时需要依据所述异常温室气体对应的异常观测矩阵制定新的飞航监测方案,所述新的飞航监测方案可以覆盖所述异常温室气体的待监测范围,采集到待监测范围所述异常温室气体的浓度值之后,仅需要对所述温室气体空间分布图中所述异常温室气体对应的图层删除并进行重新绘制即可得到更新后的温室气体空间分布图。
如此,仅需要对分布情况发生变化的温室气体进行采集,实现监测区域温室气体空间分布图的更新,降低工作量的同时保证温室气体空间分布图的时效性。
由以上技术方案可以看出,本申请能够依据监测区域内多个观测点采集不同高程值的观测数据,进而制定无人机的飞航监测方案,有针对性的采集不同高程值处温室气体数据以保证温室气体数据的准确性,同时基于观测数据构建温室气体的空间分布特征,监测温室气体空间分布的变化,及时采集新的数据以保证温室气体数据的实时性,从而实现温室气体的精准监测。
请参见图3,图3是本申请基于人工智能的温室气体监测装置的较佳实施例的功能模块图。基于人工智能的温室气体监测装置11包括采集单元110、排列单元111、计算单元112、绘制单元113、监测单元114、更新单元115。本申请所称的模块/单元是指一种能够被处理器13所执行,并且能够完成固定功能的一系列计算机可读指令段,其存储在存储器12中。在本实施例中,关于各模块/单元的功能将在后续的实施例中详述。
在一个可选的实施例中,采集单元110用于在监测区域内选取多个观测点,并采集所述观测点在不同高程值上的每一种温室气体的浓度值以构成每一个观测点的观测数据。
在一个可选的实施例中,将监测区域划分为多个面积相等的子区域,在每一个子区域的中心点设置一个观测点,得到所述监测区域内多个观测点,所述监测区域可以为森林、工厂、水上等有温室气体监测需求的所有区域;进一步,在升空气球下方安置激光传感器和温室气体传感器,所述激光传感器用于测量升空气球所在的高程值,所述温室气体传感器用于采集温室气体的浓度,所述温室气体包括二氧化碳、氧化亚氮、氟利昂、甲烷等多种温室气体;在每个观测点处均部署一个升空气球,控制所述升空气球竖直升空到达不同的高程值,借助升空气球上部署的激光传感器和温室气体传感器,采集预设高程范围内每一个高程值上所有温室气体的浓度值,其中,所述预设高程范围包括温室气体所有可能分布的高程值。
该可选的实施例中,针对一个观测点而言,将预设高程范围内所有高程值上采集到的每一种温室气体的浓度值作为所述观测点的观测数据,所述观测数据与所述观测点一一对应。
在一个可选的实施例中,排列单元111用于基于所述观测数据中不同温室气体的浓度值构建所有观测点处每一种温室气体的观测向量,并排列不同观测点处同种温室气体的观测向量以获取每一种温室气体的观测矩阵。
在一个可选的实施例中,所述基于所述观测数据中不同温室气体的浓度值构建所有观测点处每一种温室气体的观测向量包括:
获取目标观测点的观测数据,所述目标观测点为所述监测区域内多个观测点处的任意一个;
从目标观测点的观测数据中获取目标温室气体的浓度值以构成所述目标温室气体的观测子数据,所述目标温室气体为所有温室气体中的任意一种;
从所述目标温室气体的观测子数据中获取最大浓度值、最小浓度值、最大浓度值对应的高程值和最小浓度值对应的高程值以构建所述目标温室气体的观测向量;
遍历所有温室气体的浓度值以获取所述目标观测点处每一种温室气体的观测向量;
遍历所有观测点以获取每一个观测点处每一种温室气体的观测向量。
该可选的实施例中,获取目标观测点的观测数据,所述目标观测点为所述监测区域内多个观测点处的任意一个,从所有温室气体中随机挑选一种温室气体作为目标温室气体,从所述目标观测点的观测数据中提取所述目标温室气体在每一个高程值上的浓度值以构建所述目标温室气体的观测子数据;进一步选取所述目标温室气体的观测子数据中的最大浓度值max和最小浓度值min,并获取所述最大浓度值对应的高程值max(h)以及所述最小浓度值对应的高程值min(h),将max、min、max(h)、min(h)按照固定顺序进行排列,得到所述目标观测点处所述目标温室气体的观测向量,所述观测向量为4行1列的列向量,可以表征所述目标温室气体在所述目标观测点处竖直方向上的纵向分布特征;按照上述的方法遍历所有温室气体获取所述目标观测点处每一种温室气体的观测向量。
该可选的实施例中,重复执行上述步骤以获取每一个观测点处每一种温室气体的观测向量,将温室气体的种类数记为N,则每一个观测点可以获得N个观测向量,所述观测向量与所述温室气体的种类一一对应。
该可选的实施例中,从不同观测点处提取相同温室气体的观测向量,将监测区域中观测点的数量记为M,则每一种温室气体对应M个观测向量,将所述M个观测向量按照预设顺序沿着行方向进行排列,即可得到每一种温室气体的观测矩阵,所述观测矩阵的尺寸为4行M列。其中,所述预设顺序是为了保证每一种温室气体的观测矩阵中相同列的观测向量来自相同观测点。
在一个可选的实施例中,计算单元112用于基于所述温室气体的观测矩阵计算每一种温室气体的空间分布特征。
在一个可选的实施例中,所述基于所述温室气体的观测矩阵计算每一种温室气体的空间分布特征包括:
计算目标温室气体的观测矩阵中任意两个观测向量的内积,所述目标温室气体为所有温室气体中的任意一种;
基于所述观测向量的内积构建所述目标温室气体的空间分布特征,所述空间分布特征为方阵,第i行第j列的数值为第i个观测向量和第j个观测向量的内积;
遍历所有温室气体的观测矩阵以获取每一种温室气体的空间分布特征。
该可选的实施例中,由于不同温室气体的空间分布特征计算过程相同,以目标温室气体为示例描述所述目标温室气体的空间分布特征的计算过程,其中,所述目标温室气体为所有温室气体中的任意一个。
该可选的实施例中,所述目标温室气体的观测矩阵包括M个观测向量,计算任意两个观测向量的内积,所述内积可以反映所述两个观测向量之间的相关性,以第j个观测向量和第i个观测向量为示例,所述内积的计算公式为:
其中,gj表示第j个观测向量,表示第i个观测向量的转置,Gi,j是一个数值,表示第i个观测向量和第j个观测向量的内积,反映所述第i个观测向量和所述第j个观测向量之间的相关性;基于观测向量的内积构建所述目标温室气体的空间分布特征,所述空间分布特征为M行M列的方阵,空间分布特征中第i行第j列的数值为所述第i个观测向量和所述第j个观测向量的内积Gi,j。
该可选的实施例中,所述目标温室气体的空间分布特征可以表征所述目标温室气体在每一个观测点纵向分布特征之间的相关性,可以反映监测区域内所述目标温室气体的分布情况,当所述目标温室气体的分布情况发生变化时,所述目标温室气体的空间分布特征也会随之变化。
在一个可选的实施例中,绘制单元113用于基于所述温室气体的观测矩阵制定飞航监测方案以绘制所述监测区域的温室气体空间分布图,所述温室气体空间分布图包括每一种温室气体在空间位置处的浓度值。
在一个可选的实施例中,所述基于所述温室气体的观测矩阵制定飞航监测方案以绘制所述监测区域的温室气体空间分布图,所述温室气体空间分布图包括每一种温室气体在空间位置处的浓度值,包括:
基于所述温室气体的观测矩阵获取每一种温室气体的待监测范围;
依据所述温室气体的待监测范围制定飞航监测方案以采集所述待监测范围的不同温室气体的浓度值;
创建三维坐标系,并基于所述不同温室气体的浓度值在所述三维坐标系中设置不同图层以绘制所述监测区域的温室气体空间分布图,所述图层与所述温室气体种类一一对应。
该可选的实施例中,所述基于所述温室气体的观测矩阵获取每一种温室气体的待监测范围包括:
从目标温室气体的观测矩阵中提取所述最大浓度值对应的高程值所在的行以构成最大值高程向量,所述目标温室气体为所有温室气体中的任意一种;
获取所述最大值高程向量中的最大高程值和最小高程值分别作为上下限以构成所述目标温室气体的最大浓度值的分布范围;
从所述目标温室气体的观测矩阵中提取所述最小浓度值对应的高程值所在的行以获取所述目标温室气体的最小浓度值的分布范围;
将所述目标温室气体的最大浓度值的分布范围和最小浓度值的分布范围作为所述目标温室气体的待监测范围;
遍历每一种温室气体的观测矩阵得到每一种温室气体的待监测范围。
其中,所述最大值高程向量为1行M列,包括监测区域内M个观测点处所述目标温室气体的最大浓度值对应的高程值,所述温室气体的待监测范围涵盖了所述监测区域内各个位置处所述温室气体的最大浓度值和最小浓度值。
该可选的实施例中,依据所有温室气体的待监测范围制定飞航监测方案,所述飞航监测方案包括无人机在监测区域内的飞行高度范围,所述飞行高度范围包括所有温室气体的待监测范围。
该可选的实施例中,在获取飞航监测方案之后,在无人机上部署温室气体传感器以采集飞行高度范围内的温室气体浓度值。在采集过程中,实时获取无人机的飞行高度,对比所述飞行高度和所有温室气体的待监测范围,当所述飞行高度位于温室气体的监测范围内时,储存所述温室气体的浓度值和所述无人机的空间位置,降低存储的数据量,所述无人机的空间位置包括无人机在监测区域平面内的位置信息以及无人机的飞行高度。
示例性的,现已知温室气体1的监测范围为[10,15],温室气体2的监测范围为[8,12],温室气体3的监测范围为[11,16];则所述飞航监测方案中无人机的飞行高度范围为[8,16],在采集过程中,若无人机的飞行高度为10,无人机上部署的温室气体传感器可以采集飞行高度10时所有温室气体的浓度值,但由于所述飞行高度只位于温室气体1和温室气体2的监测范围内,故无人机仅存储温室气体1和温室气体2的浓度值以及所述无人机的空间位置即可。
该可选的实施例中,创建z轴、y轴和z轴构建三维坐标系,所述三维坐标系中xy平面为监测区域所在的平面,z轴表示不同的高程值,所述三维坐标系中的每一个点与监测区域内的空间位置一一对应,将无人机采集的所有空间位置对应的温室气体浓度值作为像素值绘制在所述三维坐标系内,所述浓度值与所述像素值一一对应,将不同的温室气体绘制在不同的图层以进行区分,保证不同温室气体的分布情况相互独立,得到所述监测区域的温室气体空间分布图,所述温室气体空间分布图包括每一种温室气体的空间分布。需要说明的是,各图层可以单独显示,以只有一个图层的温室气体的空间分布图为示例,所述温室气体的空间分布图如图2所示。
在一个可选的实施例中,监测单元114用于监测所述温室气体的空间分布特征的变化以获取异常温室气体以及所述异常温室气体对应的异常观测矩阵。
在一个可选的实施例中,所述监测所述温室气体的空间分布特征的变化以获取异常温室气体以及所述异常温室气体对应的异常观测矩阵包括:
依据固定周期采集每一种温室气体的实时观测矩阵和实时空间分布特征;
计算同种温室气体的实时空间分布特征与历史空间分布特征的相似度,所述历史空间分布特征为最近一次温室气体空间分布特征;
对比每一种温室气体的相似度与预设相似度以获取异常温室气体,并将异常温室气体对应的实时观测矩阵作为异常观测矩阵。
该可选的实施例中,每隔固定时间对监测区域内所有观测点进行一次数据采集,得到每一个观测点的实时观测数据,基于所述实时观测数据可以获取每一种温室气体的实时观测矩阵和实时空间分布特征。
该可选的实施例中,获取最近一次的每一种温室气体的历史空间分布特征,计算相同种类的温室气体的所述实时空间分布特征和所述历史空间分布特征的相似度,以温室气体k为示例,所述相似度的计算公式如下:
其中,为所述温室气体k的实时空间分布特征中第i行第j列的数值,G(k)′i,j为所述温室气体k的历史空间分布特征中第i行第j列的数值,M为所述空间分布特征的行数和列数,Sim(k)为温室气体k的所述实时空间分布特征和所述历史空间分布特征的相似度,所述相似度与所述温室气体的种类一一对应。
该可选的实施例中,对比每一种温室气体的相似度和预设相似度阈值以判断所述温室气体的分布情况是否发生变化,若所述温室气体的相似度大于预设相似度阈值,则说明所述温室气体的分布情况发生了变化,将所述温室气体作为异常温室气体,将所述异常温室气体对应的实时观测矩阵作为异常观测矩阵,所述预设相似度阈值取值为0.8。需要说明的是,同一时间所述异常温室气体为一个或多个。
在一个可选的实施例中,更新单元115用于当获取到异常温室气体时,基于所述异常观测矩阵制定新的飞航监测方案以更新所述温室气体空间分布图。
在一个可选的实施例中,所述当获取到异常温室气体时,基于所述异常观测矩阵制定新的飞航监测方案以更新所述温室气体空间分布图,包括:
当获取到异常温室气体时,依据异常温室气体对应的异常观测矩阵制定新的飞航监测方案;
执行所述新的飞航监测方案以采集所述异常温室气体的浓度值;
基于所述异常温室气体的浓度值绘制所述异常温室气体对应的图层以更新所述温室气体空间分布图。
该可选的实施例中,当获取到异常温室气体时,说明所述异常温室气体的分布发生变化,此时需要依据所述异常温室气体对应的异常观测矩阵制定新的飞航监测方案,所述新的飞航监测方案可以覆盖所述异常温室气体的待监测范围,采集到待监测范围所述异常温室气体的浓度值之后,仅需要对所述温室气体空间分布图中所述异常温室气体对应的图层删除并进行重新绘制即可得到更新后的温室气体空间分布图。
由以上技术方案可以看出,本申请能够依据监测区域内多个观测点采集不同高程值的观测数据,进而制定无人机的飞航监测方案,有针对性的采集不同高程值处温室气体数据以保证温室气体数据的准确性,同时基于观测数据构建温室气体的空间分布特征,监测温室气体空间分布的变化,及时采集新的数据以保证温室气体数据的实时性,从而实现温室气体的精准监测。
请参见图4,是本申请实施例提供的一种电子设备的结构示意图。电子设备1包括存储器12和处理器13。存储器12用于存储计算机可读指令,处理器13用执行所述储器中存储的计算机可读指令以实现上述任一实施例所述的基于人工智能的温室气体监测方法。
在一个可选的实施例中,电子设备1还包括总线、存储在所述存储器12中并可在所述处理器13上运行的计算机程序,例如基于人工智能的温室气体监测程序。
图4仅示出了具有存储器12和处理器13的电子设备1,本领域技术人员可以理解的是,图4示出的结构并不构成对电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
结合图1,电子设备1中的所述存储器12存储多个计算机可读指令以实现一种基于人工智能的温室气体监测方法,所述处理器13可执行所述多个指令从而实现:
在监测区域内选取多个观测点,并采集所述观测点在不同高程值上的每一种温室气体的浓度值以构成每一个观测点的观测数据;
基于所述观测数据中不同温室气体的浓度值构建所有观测点处每一种温室气体的观测向量,并排列不同观测点处同种温室气体的观测向量以获取每一种温室气体的观测矩阵;
基于所述温室气体的观测矩阵计算每一种温室气体的空间分布特征;
基于所述温室气体的观测矩阵制定飞航监测方案以绘制所述监测区域的温室气体空间分布图,所述温室气体空间分布图包括每一种温室气体在空间位置处的浓度值;
监测所述温室气体的空间分布特征的变化以获取异常温室气体以及所述异常温室气体对应的异常观测矩阵;
当获取到异常温室气体时,基于所述异常观测矩阵制定新的飞航监测方案以更新所述温室气体空间分布图。
具体地,所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
本领域技术人员可以理解,所述示意图仅仅是电子设备1的示例,并不构成对电子设备1的限定,电子设备1可以是总线型结构,也可以是星形结构,电子设备1还可以包括比图示更多或更少的其他硬件或者软件,或者不同的部件布置,例如电子设备1还可以包括输入输出设备、网络接入设备等。
需要说明的是,电子设备1仅为举例,其他现有的或今后可能出现的电子产品如可适应于本申请,也应包含在本申请的保护范围以内,并以引用方式包含于此。
其中,存储器12至少包括一种类型的可读存储介质,所述可读存储介质可以是非易失性的,也可以是易失性的。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。存储器12在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。存储器12在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1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。存储器12不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如基于人工智能的温室气体监测程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器13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。处理器13是电子设备1的控制核心(Control Unit),利用各种接口和线路连接整个电子设备1的各个部件,通过运行或执行存储在所述存储器12内的程序或者模块(例如执行基于人工智能的温室气体监测程序等),以及调用存储在所述存储器12内的数据,以执行电子设备1的各种功能和处理数据。
所述处理器13执行所述电子设备1的操作***以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述各个基于人工智能的温室气体监测方法实施例中的步骤,例如图1所示的步骤。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器12中,并由所述处理器13执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该指令段用于描述所述计算机程序在电子设备1中的执行过程。例如,所述计算机程序可以被分割成采集单元110、排列单元111、计算单元112、绘制单元113、监测单元114、更新单元115。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、计算机设备,或者网络设备等)或处理器(Processor)执行本申请各个实施例所述的基于人工智能的温室气体监测方法的部分。
电子设备1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取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指示相关的硬件设备来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。
其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。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装置、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)、随机存储器及其他存储器等。
进一步地,计算机可读存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
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。为便于表示,在图4中仅用一根箭头表示,但并不表示仅有一根总线或一种类型的总线。所述总线被设置为实现所述存储器12以及至少一个处理器13等之间的连接通信。
本申请实施例还提供一种计算机可读存储介质(图未示),计算机可读存储介质中存储有计算机可读指令,计算机可读指令被电子设备中的处理器执行以实现上述任一实施例所述的基于人工智能的温室气体监测方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置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,在本申请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。
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。说明书陈述的多个单元或装置也可以由一个单元或装置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申请的技术方案而非限制,尽管参照较佳实施例对本申请进行了详细说明,本领域的普通技术人员应当理解,可以对本申请的技术方案进行修改或等同替换,而不脱离本申请技术方案的精神和范围。
Claims (10)
1.一种基于人工智能的温室气体监测方法,其特征在于,所述方法包括:
在监测区域内选取多个观测点,并采集所述观测点在不同高程值上的每一种温室气体的浓度值以构成每一个观测点的观测数据;
基于所述观测数据中不同温室气体的浓度值构建所有观测点处每一种温室气体的观测向量,并排列不同观测点处同种温室气体的观测向量以获取每一种温室气体的观测矩阵;
基于所述温室气体的观测矩阵计算每一种温室气体的空间分布特征;
基于所述温室气体的观测矩阵制定飞航监测方案以绘制所述监测区域的温室气体空间分布图,所述温室气体空间分布图包括每一种温室气体在空间位置处的浓度值;
监测所述温室气体的空间分布特征的变化以获取异常温室气体以及所述异常温室气体对应的异常观测矩阵;
当获取到异常温室气体时,基于所述异常观测矩阵制定新的飞航监测方案以更新所述温室气体空间分布图。
2.如权利要求1所述的基于人工智能的温室气体监测方法,其特征在于,所述基于所述观测数据中不同温室气体的浓度值构建所有观测点处每一种温室气体的观测向量包括:
获取目标观测点的观测数据,所述目标观测点为所述监测区域内多个观测点处的任意一个;
从目标观测点的观测数据中获取目标温室气体的浓度值以构成所述目标温室气体的观测子数据,所述目标温室气体为所有温室气体中的任意一种;
从所述目标温室气体的观测子数据中获取最大浓度值、最小浓度值、最大浓度值对应的高程值和最小浓度值对应的高程值以构建所述目标温室气体的观测向量;
遍历所有温室气体的浓度值以获取所述目标观测点处每一种温室气体的观测向量;
遍历所有观测点以获取每一个观测点处每一种温室气体的观测向量。
3.如权利要求1所述的基于人工智能的温室气体监测方法,其特征在于,所述基于所述温室气体的观测矩阵计算每一种温室气体的空间分布特征包括:
计算目标温室气体的观测矩阵中任意两个观测向量的内积,所述目标温室气体为所有温室气体中的任意一种;
基于所述观测向量的内积构建所述目标温室气体的空间分布特征,所述空间分布特征为方阵,第i行第j列的数值为第i个观测向量和第j个观测向量的内积;
遍历所有温室气体的观测矩阵以获取每一种温室气体的空间分布特征。
4.如权利要求1所述的基于人工智能的温室气体监测方法,其特征在于,所述基于所述温室气体的观测矩阵制定飞航监测方案以绘制所述监测区域的温室气体空间分布图,所述温室气体空间分布图包括每一种温室气体在空间位置处的浓度值,包括:
基于所述温室气体的观测矩阵获取每一种温室气体的待监测范围;
依据所述温室气体的待监测范围制定飞航监测方案以采集所述待监测范围的不同温室气体的浓度值;
创建三维坐标系,并基于所述不同温室气体的浓度值在所述三维坐标系中设置不同图层以绘制所述监测区域的温室气体空间分布图,所述图层与所述温室气体种类一一对应。
5.如权利要求4所述的基于人工智能的温室气体监测方法,其特征在于,所述基于所述温室气体的观测矩阵获取每一种温室气体的待监测范围包括:
从目标温室气体的观测矩阵中提取所述最大浓度值对应的高程值所在的行以构成最大值高程向量,所述目标温室气体为所有温室气体中的任意一种;
获取所述最大值高程向量中的最大高程值和最小高程值分别作为上下限以构成所述目标温室气体的最大浓度值的分布范围;
从所述目标温室气体的观测矩阵中提取所述最小浓度值对应的高程值所在的行以获取所述目标温室气体的最小浓度值的分布范围;
将所述目标温室气体的最大浓度值的分布范围和最小浓度值的分布范围作为所述目标温室气体的待监测范围;
遍历每一种温室气体的观测矩阵得到每一种温室气体的待监测范围。
6.如权利要求1所述的基于人工智能的温室气体监测方法,其特征在于,所述监测所述温室气体的空间分布特征的变化以获取异常温室气体以及所述异常温室气体对应的异常观测矩阵包括:
依据固定周期采集每一种温室气体的实时观测矩阵和实时空间分布特征;
计算同种温室气体的实时空间分布特征与历史空间分布特征的相似度,所述历史空间分布特征为最近一次温室气体空间分布特征,所述相似度满足如下关系:
其中,为所述温室气体k的实时空间分布特征中第i行第j列的数值,G(k)′i,j为所述温室气体k的历史空间分布特征中第i行第j列的数值,M为所述空间分布特征的行数和列数,Sim(k)为温室气体k的所述实时空间分布特征和所述历史空间分布特征的相似度;
对比每一种温室气体的相似度与预设相似度以获取异常温室气体,并将异常温室气体对应的实时观测矩阵作为异常观测矩阵。
7.如权利要求1所述的基于人工智能的温室气体监测方法,其特征在于,所述当获取到异常温室气体时,基于所述异常观测矩阵制定新的飞航监测方案以更新所述温室气体空间分布图,包括:
当获取到异常温室气体时,依据异常温室气体对应的异常观测矩阵制定新的飞航监测方案;
执行所述新的飞航监测方案以采集所述异常温室气体的浓度值;
基于所述异常温室气体的浓度值绘制所述异常温室气体对应的图层以更新所述温室气体空间分布图。
8.一种基于人工智能的温室气体监测装置,其特征在于,所述装置包括:
采集单元,用于在监测区域内选取多个观测点,并采集所述观测点在不同高程值上的每一种温室气体的浓度值以构成每一个观测点的观测数据;
排列单元,用于基于所述观测数据中不同温室气体的浓度值构建所有观测点处每一种温室气体的观测向量,并排列不同观测点处同种温室气体的观测向量以获取每一种温室气体的观测矩阵;
计算单元,用于基于所述温室气体的观测矩阵计算每一种温室气体的空间分布特征;
绘制单元,用于基于所述温室气体的观测矩阵制定飞航监测方案以绘制所述监测区域的温室气体空间分布图,所述温室气体空间分布图包括每一种温室气体在空间位置处的浓度值;
监测单元,用于监测所述温室气体的空间分布特征的变化以获取异常温室气体以及所述异常温室气体对应的异常观测矩阵;
更新单元,用于当获取到异常温室气体时,基于所述异常观测矩阵制定新的飞航监测方案以更新所述温室气体空间分布图。
9.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储有计算机可读指令;及
处理器,执行所述存储器中存储的计算机可读指令以实现如权利要求1至7中任意一项所述的基于人工智能的温室气体监测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的基于人工智能的温室气体监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210423839.0A CN114778774A (zh) | 2022-04-21 | 2022-04-21 | 基于人工智能的温室气体监测方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210423839.0A CN114778774A (zh) | 2022-04-21 | 2022-04-21 | 基于人工智能的温室气体监测方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114778774A true CN114778774A (zh) | 2022-07-22 |
Family
ID=82430819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210423839.0A Pending CN114778774A (zh) | 2022-04-21 | 2022-04-21 | 基于人工智能的温室气体监测方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114778774A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115391724A (zh) * | 2022-10-31 | 2022-11-25 | 北京唯思德科技有限公司 | 无人机温室气体排放量测量方法及装置 |
CN117110554A (zh) * | 2023-10-24 | 2023-11-24 | 广东埃文低碳科技股份有限公司 | 一种火电企业温室气体末端排放监测***和方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017048002A1 (ko) * | 2015-09-16 | 2017-03-23 | 경북대학교 산학협력단 | 행정구역별 온실가스 분포 데이터 생성 장치 및 방법 |
CN107192645A (zh) * | 2016-03-14 | 2017-09-22 | 曹芃 | 一种多旋翼无人机大气污染探测***及方法 |
CN110308104A (zh) * | 2019-06-25 | 2019-10-08 | 生态环境部卫星环境应用中心 | 一种大气污染物no2浓度监测方法及*** |
CN112215950A (zh) * | 2020-10-19 | 2021-01-12 | 陈雨轩 | 一种室内有毒有害气体浓度的三维重建方法 |
CN112562041A (zh) * | 2020-12-31 | 2021-03-26 | 江苏天瑞仪器股份有限公司 | 一种走航激光监测因子浓度趋势图的绘图方法 |
CN112557459A (zh) * | 2020-12-02 | 2021-03-26 | 安徽芯核防务装备技术股份有限公司 | 一种mems薄膜半导体气敏传感器阵列识别方法 |
CN112986492A (zh) * | 2019-12-17 | 2021-06-18 | 华为技术有限公司 | 一种建立气体浓度预测模型的方法及装置 |
CN113063897A (zh) * | 2021-03-23 | 2021-07-02 | 淄博青禾检测科技有限公司 | 空气污染物溯源方法及装置 |
CN113919231A (zh) * | 2021-10-25 | 2022-01-11 | 北京航天创智科技有限公司 | 基于时空图神经网络的pm2.5浓度时空变化预测方法及*** |
CN114186825A (zh) * | 2021-11-30 | 2022-03-15 | 诸暨市天然气有限公司 | 一种天然气巡检规划方法 |
CN114200091A (zh) * | 2022-02-18 | 2022-03-18 | 中国矿业大学(北京) | 一种井下巷道有害物浓度空间分布数据的测定方法 |
CN114264780A (zh) * | 2021-12-27 | 2022-04-01 | 四川天奥空天信息技术有限公司 | 基于空天地一体化的温室气体监测方法及*** |
CN114297907A (zh) * | 2021-11-17 | 2022-04-08 | 北京市农林科学院智能装备技术研究中心 | 温室环境空间分布预测方法及装置 |
CN114297567A (zh) * | 2021-12-29 | 2022-04-08 | 高连华 | 一种快速计算气体排放源分布和源强的方法和*** |
CN114324780A (zh) * | 2022-03-03 | 2022-04-12 | 阿里巴巴达摩院(杭州)科技有限公司 | 大气污染物排放通量处理方法、存储介质以及计算机终端 |
-
2022
- 2022-04-21 CN CN202210423839.0A patent/CN114778774A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017048002A1 (ko) * | 2015-09-16 | 2017-03-23 | 경북대학교 산학협력단 | 행정구역별 온실가스 분포 데이터 생성 장치 및 방법 |
CN107192645A (zh) * | 2016-03-14 | 2017-09-22 | 曹芃 | 一种多旋翼无人机大气污染探测***及方法 |
CN110308104A (zh) * | 2019-06-25 | 2019-10-08 | 生态环境部卫星环境应用中心 | 一种大气污染物no2浓度监测方法及*** |
CN112986492A (zh) * | 2019-12-17 | 2021-06-18 | 华为技术有限公司 | 一种建立气体浓度预测模型的方法及装置 |
CN112215950A (zh) * | 2020-10-19 | 2021-01-12 | 陈雨轩 | 一种室内有毒有害气体浓度的三维重建方法 |
CN112557459A (zh) * | 2020-12-02 | 2021-03-26 | 安徽芯核防务装备技术股份有限公司 | 一种mems薄膜半导体气敏传感器阵列识别方法 |
CN112562041A (zh) * | 2020-12-31 | 2021-03-26 | 江苏天瑞仪器股份有限公司 | 一种走航激光监测因子浓度趋势图的绘图方法 |
CN113063897A (zh) * | 2021-03-23 | 2021-07-02 | 淄博青禾检测科技有限公司 | 空气污染物溯源方法及装置 |
CN113919231A (zh) * | 2021-10-25 | 2022-01-11 | 北京航天创智科技有限公司 | 基于时空图神经网络的pm2.5浓度时空变化预测方法及*** |
CN114297907A (zh) * | 2021-11-17 | 2022-04-08 | 北京市农林科学院智能装备技术研究中心 | 温室环境空间分布预测方法及装置 |
CN114186825A (zh) * | 2021-11-30 | 2022-03-15 | 诸暨市天然气有限公司 | 一种天然气巡检规划方法 |
CN114264780A (zh) * | 2021-12-27 | 2022-04-01 | 四川天奥空天信息技术有限公司 | 基于空天地一体化的温室气体监测方法及*** |
CN114297567A (zh) * | 2021-12-29 | 2022-04-08 | 高连华 | 一种快速计算气体排放源分布和源强的方法和*** |
CN114200091A (zh) * | 2022-02-18 | 2022-03-18 | 中国矿业大学(北京) | 一种井下巷道有害物浓度空间分布数据的测定方法 |
CN114324780A (zh) * | 2022-03-03 | 2022-04-12 | 阿里巴巴达摩院(杭州)科技有限公司 | 大气污染物排放通量处理方法、存储介质以及计算机终端 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115391724A (zh) * | 2022-10-31 | 2022-11-25 | 北京唯思德科技有限公司 | 无人机温室气体排放量测量方法及装置 |
CN115391724B (zh) * | 2022-10-31 | 2023-01-13 | 北京唯思德科技有限公司 | 无人机温室气体排放量测量方法及装置 |
CN117110554A (zh) * | 2023-10-24 | 2023-11-24 | 广东埃文低碳科技股份有限公司 | 一种火电企业温室气体末端排放监测***和方法 |
CN117110554B (zh) * | 2023-10-24 | 2024-01-12 | 广东埃文低碳科技股份有限公司 | 一种火电企业温室气体末端排放监测***和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111652940B (zh) | 目标异常识别方法、装置、电子设备及存储介质 | |
CN108318043A (zh) | 用于更新电子地图的方法、装置和计算机可读存储介质 | |
CN114778774A (zh) | 基于人工智能的温室气体监测方法及相关设备 | |
CN110764111B (zh) | 雷达坐标与大地坐标的转换方法、装置、***及介质 | |
US11417106B1 (en) | Crowd evacuation system based on real time perception, simulation, and warning | |
KR102308456B1 (ko) | 라이다 및 카메라 수집정보 기반 수종탐지 시스템 및 이를 이용한 수종탐지방법, 수종탐지방법을 수행하는 프로그램이 수록된 기록매체 | |
CN112035591A (zh) | 一种路网匹配方法、装置、设备和存储介质 | |
US11275939B2 (en) | Movement intelligence using satellite imagery | |
US20220227388A1 (en) | Method and apparatus for determining green wave speed, and storage medium | |
CN113727214A (zh) | 大气污染的巡查方法、装置、设备及存储介质 | |
CN113485889A (zh) | 埋点数据校验方法、装置、电子设备及存储介质 | |
CN115063589A (zh) | 基于知识蒸馏的车辆部件分割方法及相关设备 | |
CN110134754B (zh) | 区域兴趣点的作业时长预测方法、装置、服务器和介质 | |
CN114219023A (zh) | 数据聚类方法、装置、电子设备及可读存储介质 | |
CN114201482A (zh) | 人口动态分布统计方法、装置、电子设备及可读存储介质 | |
CN112184900B (zh) | 高程数据的确定方法、装置及存储介质 | |
CN111899505B (zh) | 交通限制解除的检测方法和装置 | |
CN116434973A (zh) | 基于人工智能的传染病预警方法、装置、设备及介质 | |
CN116972811A (zh) | 基于无人机小尺度植被生物多样性的调查方法 | |
JP6434834B2 (ja) | 検査対象物抽出装置、及び検査対象物抽出方法 | |
CN113901092B (zh) | 一种用于赛场运行监测的文件管理方法及*** | |
CN115757987A (zh) | 基于轨迹分析的伴随对象确定方法、装置、设备及介质 | |
CN115222944A (zh) | 基于人工智能的轮胎损伤检测方法及相关设备 | |
CN110413662B (zh) | 一种多通道式经济数据输入***、采集***与方法 | |
CN113920269A (zh) | 工程进度获取方法、装置、电子设备及介质 |
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 |