CN116779056A - 一种多态融合评估环境质量方法 - Google Patents
一种多态融合评估环境质量方法 Download PDFInfo
- Publication number
- CN116779056A CN116779056A CN202311069032.2A CN202311069032A CN116779056A CN 116779056 A CN116779056 A CN 116779056A CN 202311069032 A CN202311069032 A CN 202311069032A CN 116779056 A CN116779056 A CN 116779056A
- Authority
- CN
- China
- Prior art keywords
- data
- monitor
- humidity
- temperature
- particle
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000013618 particulate matter Substances 0.000 claims abstract description 52
- 238000012544 monitoring process Methods 0.000 claims abstract description 48
- 238000005070 sampling Methods 0.000 claims abstract description 42
- 238000007689 inspection Methods 0.000 claims abstract description 36
- 238000012795 verification Methods 0.000 claims abstract description 22
- 239000002245 particle Substances 0.000 claims description 107
- 238000011156 evaluation Methods 0.000 claims description 28
- 230000007613 environmental effect Effects 0.000 claims description 22
- 239000000523 sample Substances 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 238000007499 fusion processing Methods 0.000 claims description 8
- 238000010438 heat treatment Methods 0.000 claims description 7
- 230000005250 beta ray Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 2
- 239000007924 injection Substances 0.000 claims description 2
- 239000000428 dust Substances 0.000 description 5
- 239000000126 substance Substances 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Computation (AREA)
- Environmental & Geological Engineering (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Medical Informatics (AREA)
- Biochemistry (AREA)
- Ecology (AREA)
- Fuzzy Systems (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computational Linguistics (AREA)
- Analytical Chemistry (AREA)
- Remote Sensing (AREA)
- Atmospheric Sciences (AREA)
- Dispersion Chemistry (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
Abstract
本发明公开了一种多态融合评估环境质量方法,属于环境质量监测设备和评估方法技术领域;所述方法包括:第一步,建立环境监测站,第二步,颗粒物监测初始化,对颗粒物采集数据标定和校验;第三步,建立融合数据库,第四步,抽检校验,第五步,多态数据融合,第六步,建立环境预测模型,预测输出数据=温湿度计算输出的颗粒物数据乘以温湿度影响比例+风力计算输出的颗粒物数据乘以风力度影响因比例;本发明的多态融合评估环境质量方法,对颗粒物监测数据进行标定和自我校正,通过模型能够完成环境质量预测,通过全天候采集气象数据,即可全天候对颗粒物含量进行预测,确保环境评估的精确性。
Description
技术领域
本发明具体涉及一种多态融合评估环境质量方法,属于环境质量监测设备和评估方法技术领域。
背景技术
大气颗粒物的常用的监测方法有:手工称重法、β射线吸收法、振荡微量天平法;其中,β射线吸收法原理为β射线穿过待测定物质后,其强度衰减程度仅与被穿透物质的质量有关,而与其物理、化学性能无关;β射线吸收法优点是要求样品量很少,可每小时自动得出一个监测数据,实时反映空气中颗粒物浓度的变化情况,并可进行数据传输,有利于远程监测和自动控制,并极大的减少了人工工作量;激光监测仪能够对颗粒物检测结果进行精确定量分析,现有的环境质量监测仪一般都是独立运行的,能够实时反馈当前环境质量,但无法对环境质量进行评估;由于监测的数据受到环境影响波动比较大,现有的质量评估方法为:通过将一段时间内的监测数据进行求平均值,由于各点采集数据都是间歇抽查的,容易忽略典型值,从而导致监测环境与实际环境存在大的误差。
发明内容
为解决上述问题,本发明提出了一种多态融合评估环境质量方法,对颗粒物监测数据进行标定和自我校正,并将颗粒物、环境温湿度变化及风力风向关系建立融合模型,通过模型能够完成环境质量预测,且模型能够持续自我迭代升级。
本发明的多态融合评估环境质量方法,所述方法具体如下:
第一步,建立环境监测站,所述环境监测站包括评估控制器,所述评估控制器分别连接颗粒物监测器和气象监测器,所述颗粒物监测器为常态颗粒物监测器和抽检颗粒物监测器;
第二步,颗粒物监测初始化,当评估控制器接收到上电信号后,评估控制器同步给常态颗粒物监测器和抽检颗粒物监测器信号,常态颗粒物监测器和抽检颗粒物监测器开始对颗粒物进行采集,采集后的常态采集颗粒物数据和抽检采集颗粒物数据回传到评估控制器,评估控制器通过抽检采集颗粒物数据对常态采集颗粒物数据进行标定,并通过新的采集数据对标定后的数据进行校验;
第三步,建立融合数据库,通过将常态颗粒物监测器、风向监测器、风力监测器、温度监测器和湿度监测器采集的数据以时间为依据,送入到融合数据库,融合数据库内每一时间点对应一组常态采集颗粒物数据、风向数据、风力数据和温度数据和湿度数据,
第四步,抽检校验,所述抽检校验与颗粒物监测初始化的校验模式过程一致,抽检校验工作通过评估控制器通过评估控制器内部定时触发,阶段性对常态采集颗粒物数据进行抽检校验;
第五步,多态数据融合,所述数据融合过程如下:首先,确定影响因子,计算各个风向下的风力曲率数据作为风力影响因子,并计算温湿度影响因子和各个风向下的风力度影响因子之间的比例;数据融合时,根据融合数据库建立第一立体坐标系和第二坐标系,第一立体坐标系以温度数据作为X轴,湿度数据作为Y轴,常态采集颗粒物数据为Z轴,将融合数据库每一时间点对应的融合数据落入第一立体坐标系,通过Matab将两组三维数据构造曲面并求得温湿度影响的拟合公式或通过TableCurve3D寻找温湿度影响的拟合公式;
第六步,建立环境预测模型,环境预测模型输入数据包括温度数据、湿度数据、风向数据和风力数据,预测输出数据=[温湿度计算输出的颗粒物数据乘以温湿度影响因子/(温湿度影响因子+风力影响因子)]+[风力计算输出的颗粒物数据乘以风力度影响因子/(温湿度影响因子+风力影响因子)];
第七步,预测模型迭代,当环境监测站数据不断采集送入到融合数据库,融合数据库定期进行新的多态数据融合流程计算,计算得到新的数据对预测模型进行更新。
进一步地,所述气象监测器包括风向监测器、风力监测器、温度监测器和湿度监测器;所述常态颗粒物监测器为基于β射线的颗粒物检测仪;所述抽检颗粒物监测器为激光监测仪。
进一步地,所述第二步,颗粒物监测初始化具体如下:先进行一次标定,一次标定过程如下:评估控制器分别获取N组同步采集的常态采集颗粒物数据和抽检采集颗粒物数据,接着,将同步采集的N组抽检采集颗粒物数据和N组常态采集颗粒物数据差值计算,获取N组标定差值,并剔除标定差值中最大的数值,接着将剩余N-1个数值进行均值计算,均值数据为标定因子,将标定因子与常态颗粒物数据进行求和运算,求和后的数据作为颗粒物监测数据,完成标定后,进行校验模式,校验过程如下:再次采集新的一组常态采集颗粒物数据和抽检采集颗粒物数据,通过对常态采集颗粒物数据进行标定,标定后的常态采集颗粒物数据与抽检采集颗粒物数据差值运算,运算结果在设定误差范围内,则表示标定通过,当误差大于设定值时,需要进行新一轮标定,再次获取N组同步采集的常态采集颗粒物数据和抽检采集颗粒物数据进行标定,接着将后一次标定因子与前一次标定因子进行均值运算,作为新的标定因子,接着再次进行校验模式,直到校验通过后,确定标定因子,完成颗粒物监测初始化。
进一步地,所述第五步,多态数据融合过程具体如下:首先,确定影响因子,统计融合数据库内所有数据,并对数据进行二次分组,建立风力影响变量组、温度影响变量组和湿度影响变量组,接着对风力影响变量组以风向进行二次分组,每一风向包含N个风力数据,接着根据风向建立多个二维坐标,二维坐标中风力为变量值,温度和湿度为定量值,统计时,只需抽取温度和湿度为定量值的N组数据,二维坐标系中,风力为X轴,常态采集颗粒物数据为Y轴;得到二维曲线,并进行曲率拟合计算;获取N组曲率数据,接着根据上述过程分别对温度影响变量组和湿度影响变量组建立二维坐标系,二维坐标系中温度或湿度为X轴,常态采集颗粒物数据为Y轴;得到两组二维曲线,并进行曲率拟合计算;获取两组曲率数据,最后,将温度和湿度曲率数据叠加获取温湿度影响因子,统计各个风向下的风力曲率数据作为风力影响因子,并计算温湿度影响因子和各个风向下的风力度影响因子之间的比例,其中,所述定量值指的是风向数据、风力数据、温度数据和湿度数据各自波动在设定范围内,则默认为定量值。
进一步地,所述第六步,建立环境预测模型具体为:将温度数据和湿度数据送入温湿度影响的拟合曲线输出颗粒物数据,风力影响计算过程为:根据风向数据选择将风力数据送入某一二维曲线,通过二维曲线的拟合公式计算输出颗粒物数据,并根据颗粒物数据对应风向下个的温湿度影响因子和风力影响因子比例输出预测颗粒物数据。
进一步地,所述激光监测仪和β射线的颗粒物检测仪进样端在同一气路上;所述气路输入端设置有前端处理模块,进入所述气路的样品经过前端处理模块处理后输出,所述前端处理模块包括切割器,所述切割器输出端安装有加热管;所述加热管输出端接入到气路,所述颗粒物先经过激光监测仪的监测探头,再进入β射线的颗粒物检测仪;工作时,通过采样头将含尘气体吸入前端处理模块,通过前端处理模块先进行切割和加热,接着颗粒物下行到激光监测仪处,激光监测仪先进行颗粒物测定,再进入到β射线的颗粒物检测仪进行二次测定。
再进一步地,所述气路于激光监测仪的监测探头处为透明管,或激光监测仪的监测探头嵌入气路的管道上,且不凸出管道内表面。
进一步地,所述环境监测站集成在一个箱体上,从而能够方便环境监测站的搬运和组装。
与现有技术相比,本发明的多态融合评估环境质量方法,对颗粒物监测数据进行标定和自我校正,并将颗粒物、环境温湿度变化及风力风向关系建立融合模型,通过模型能够完成环境质量预测,通过全天候采集气象数据,即可全天候对颗粒物含量进行预测,确保环境评估的精确性,且模型能够持续自我迭代升级。
附图说明
图1为本发明的多态融合评估环境质量方法整体流程结构示意图。
图2为本发明的环境监测站整体结构示意图。
附图标记:1、评估控制器,2、常态颗粒物监测器,3、抽检颗粒物监测器,4、风向监测器,5、风力监测器,6、温度监测器,7、湿度监测器,8、箱体,9、切割器,10、加热管。
具体实施方式
实施例1:如图1所示的多态融合评估环境质量方法,所述方法具体如下:
第一步,建立环境监测站,所述环境监测站如图2所示,包括评估控制器1,所述评估控制器1分别连接颗粒物监测器和气象监测器,所述颗粒物监测器为常态颗粒物监测器2和抽检颗粒物监测器3,所述气象监测器包括风向监测器4、风力监测器5、温度监测器6和湿度监测器7;所述常态颗粒物监测器2为基于β射线的颗粒物检测仪;所述抽检颗粒物监测器3为激光监测仪;所述环境监测站集成在一个箱体8上,从而能够方便环境监测站的搬运和组装,所述激光监测仪和β射线的颗粒物检测仪进样端在同一气路上;所述气路输入端设置有前端处理模块,所述气路于激光监测仪的监测探头处为透明管,或激光监测仪的监测探头嵌入气路的管道上,且不凸出管道内表面;进入所述气路的样品经过前端处理模块处理后输出,所述前端处理模块包括切割器9,所述切割器9输出端安装有加热管10;所述加热管10输出端接入到气路,所述颗粒物先经过激光监测仪的监测探头,再进入β射线的颗粒物检测仪,工作时,通过采样头将含尘气体吸入前端处理模块,通过前端处理模块先进行切割和加热,接着颗粒物下行到激光监测仪处,激光监测仪先进行颗粒物测定,再进入到β射线的颗粒物检测仪进行二次测定;
第二步,颗粒物监测初始化,当评估控制器接收到上电信号后,评估控制器同步给常态颗粒物监测器和抽检颗粒物监测器信号,常态颗粒物监测器和抽检颗粒物监测器开始对颗粒物进行采集,采集后的常态采集颗粒物数据和抽检采集颗粒物数据回传到评估控制器,评估控制器通过抽检采集颗粒物数据对常态采集颗粒物数据进行标定,一次标定过程如下:评估控制器分别获取N组同步采集的常态采集颗粒物数据和抽检采集颗粒物数据,接着,将同步采集的N组抽检采集颗粒物数据和N组常态采集颗粒物数据差值计算,获取N组标定差值,并剔除标定差值中最大的数值,接着将剩余N-1个数值进行均值计算,均值数据为标定因子,将标定因子与常态颗粒物数据进行求和运算,求和后的数据作为颗粒物监测数据,完成标定后,进行校验模式,校验过程如下:再次采集新的一组常态采集颗粒物数据和抽检采集颗粒物数据,通过对常态采集颗粒物数据进行标定,标定后的常态采集颗粒物数据与抽检采集颗粒物数据差值运算,运算结果在设定误差范围内,则表示标定通过,当误差大于设定值时,需要进行新一轮标定,再次获取N组同步采集的常态采集颗粒物数据和抽检采集颗粒物数据进行标定,接着将后一次标定因子与前一次标定因子进行均值运算,作为新的标定因子,接着再次进行校验模式,直到校验通过后,确定标定因子,完成颗粒物监测初始化;
第三步,建立融合数据库,通过将常态颗粒物监测器、风向监测器、风力监测器、温度监测器和湿度监测器采集的数据以时间为依据,送入到融合数据库,融合数据库内每一时间点对应一组常态采集颗粒物数据、风向数据、风力数据和温度数据和湿度数据,
第四步,抽检校验,所述抽检校验与颗粒物监测初始化的校验模式过程一致,抽检校验工作通过评估控制器通过评估控制器内部定时触发,阶段性对常态采集颗粒物数据进行抽检校验;
第五步,多态数据融合,所述数据融合过程如下:
首先,确定影响因子,统计融合数据库内所有数据,并对数据进行二次分组,建立风力影响变量组、温度影响变量组和湿度影响变量组,接着对风力影响变量组以风向进行二次分组,每一风向包含N个风力数据,接着根据风向建立多个二维坐标,二维坐标中风力为变量值,温度和湿度为定量值,统计时,只需抽取温度和湿度为定量值的N组数据,二维坐标系中,风力为X轴,常态采集颗粒物数据为Y轴;得到二维曲线,并进行曲率拟合计算;获取N组曲率数据,接着根据上述过程分别对温度影响变量组和湿度影响变量组建立二维坐标系,二维坐标系中温度或湿度为X轴,常态采集颗粒物数据为Y轴;得到两组二维曲线,并进行曲率拟合计算;获取两组曲率数据,最后,将温度和湿度曲率数据叠加获取温湿度影响因子,统计各个风向下的风力曲率数据作为风力影响因子,并计算温湿度影响因子和各个风向下的风力度影响因子之间的比例,确定各个风向下温湿度影响因子和风力影响因子比例;其中,所述定量值指的是风向数据、风力数据、温度数据和湿度数据各自波动在设定范围内,则默认为定量值;数据融合时,根据融合数据库建立第一立体坐标系和第二坐标系,第一立体坐标系以温度数据作为X轴,湿度数据作为Y轴,常态采集颗粒物数据为Z轴,将每一时间点对应的融合数据落入第一立体坐标系,通过Matab将两组三维数据构造曲面并求得温湿度影响的拟合公式或通过TableCurve3D寻找温湿度影响的拟合公式;
第六步,建立环境预测模型,环境预测模型输入数据包括温度数据、湿度数据、风向数据和风力数据,温度数据和湿度数据送入温湿度影响的拟合曲线输出颗粒物数据,风力影响计算过程为:根据风向数据选择将风力数据送入某一二维曲线,通过二维曲线的拟合公式计算输出颗粒物数据,并根据颗粒物数据对应风向下个的温湿度影响因子和风力影响因子比例输出预测颗粒物数据,具体计算为:预测输出数据=[温湿度计算输出的颗粒物数据乘以温湿度影响因子/(温湿度影响因子+风力影响因子)]+[风力计算输出的颗粒物数据乘以风力度影响因子/(温湿度影响因子+风力影响因子)];
第七步,预测模型迭代,当环境监测站数据不断采集送入到融合数据库,融合数据库定期进行新的多态数据融合流程计算,计算得到新的数据对预测模型进行更新。
上述实施例,仅是本发明的较佳实施方式,故凡依本发明专利申请范围所述的构造、特征及原理所做的等效变化或修饰,均包括于本发明专利申请范围内。
Claims (8)
1.一种多态融合评估环境质量方法,其特征在于,所述方法具体如下:
第一步,建立环境监测站,所述环境监测站包括评估控制器,所述评估控制器分别连接颗粒物监测器和气象监测器,所述颗粒物监测器为常态颗粒物监测器和抽检颗粒物监测器;
第二步,颗粒物监测初始化,当评估控制器接收到上电信号后,评估控制器同步给常态颗粒物监测器和抽检颗粒物监测器信号,常态颗粒物监测器和抽检颗粒物监测器开始对颗粒物进行采集,采集后的常态采集颗粒物数据和抽检采集颗粒物数据回传到评估控制器,评估控制器通过抽检采集颗粒物数据对常态采集颗粒物数据进行标定,并通过新的采集数据对标定后的数据进行校验;
第三步,建立融合数据库,通过将常态颗粒物监测器、风向监测器、风力监测器、温度监测器和湿度监测器采集的数据以时间为依据,送入到融合数据库,融合数据库内每一时间点对应一组常态采集颗粒物数据、风向数据、风力数据和温度数据和湿度数据,
第四步,抽检校验,所述抽检校验与颗粒物监测初始化的校验模式过程一致,抽检校验工作通过评估控制器通过评估控制器内部定时触发,阶段性对常态采集颗粒物数据进行抽检校验;
第五步,多态数据融合,所述数据融合过程如下:首先,确定影响因子,计算各个风向下的风力曲率数据作为风力影响因子,并计算温湿度影响因子和各个风向下的风力度影响因子之间的比例;数据融合时,根据融合数据库建立第一立体坐标系和第二坐标系,第一立体坐标系以温度数据作为X轴,湿度数据作为Y轴,常态采集颗粒物数据为Z轴,将融合数据库每一时间点对应的融合数据落入第一立体坐标系,通过Matab将两组三维数据构造曲面并求得温湿度影响的拟合公式或通过TableCurve3D寻找温湿度影响的拟合公式;
第六步,建立环境预测模型,环境预测模型输入数据包括温度数据、湿度数据、风向数据和风力数据,预测输出数据=[温湿度计算输出的颗粒物数据乘以温湿度影响因子/(温湿度影响因子+风力影响因子)]+[风力计算输出的颗粒物数据乘以风力度影响因子/(温湿度影响因子+风力影响因子)];
第七步,预测模型迭代,当环境监测站数据不断采集送入到融合数据库,融合数据库定期进行新的多态数据融合流程计算,计算得到新的数据对预测模型进行更新。
2.根据权利要求1所述的多态融合评估环境质量方法,其特征在于:所述气象监测器包括风向监测器、风力监测器、温度监测器和湿度监测器;所述常态颗粒物监测器为基于β射线的颗粒物检测仪;所述抽检颗粒物监测器为激光监测仪。
3.根据权利要求1所述的多态融合评估环境质量方法,其特征在于:所述第二步,颗粒物监测初始化具体如下:先进行一次标定,一次标定过程如下:评估控制器分别获取N组同步采集的常态采集颗粒物数据和抽检采集颗粒物数据,接着,将同步采集的N组抽检采集颗粒物数据和N组常态采集颗粒物数据差值计算,获取N组标定差值,并剔除标定差值中最大的数值,接着将剩余N-1个数值进行均值计算,均值数据为标定因子,将标定因子与常态颗粒物数据进行求和运算,求和后的数据作为颗粒物监测数据,完成标定后,进行校验模式,校验过程如下:再次采集新的一组常态采集颗粒物数据和抽检采集颗粒物数据,通过对常态采集颗粒物数据进行标定,标定后的常态采集颗粒物数据与抽检采集颗粒物数据差值运算,运算结果在设定误差范围内,则表示标定通过,当误差大于设定值时,需要进行新一轮标定,再次获取N组同步采集的常态采集颗粒物数据和抽检采集颗粒物数据进行标定,接着将后一次标定因子与前一次标定因子进行均值运算,作为新的标定因子,接着再次进行校验模式,直到校验通过后,确定标定因子,完成颗粒物监测初始化。
4.根据权利要求1所述的多态融合评估环境质量方法,其特征在于:所述第五步,多态数据融合过程具体如下:首先,确定影响因子,统计融合数据库内所有数据,并对数据进行二次分组,建立风力影响变量组、温度影响变量组和湿度影响变量组,接着对风力影响变量组以风向进行二次分组,每一风向包含N个风力数据,接着根据风向建立多个二维坐标,二维坐标中风力为变量值,温度和湿度为定量值,统计时,只需抽取温度和湿度为定量值的N组数据,二维坐标系中,风力为X轴,常态采集颗粒物数据为Y轴;得到二维曲线,并进行曲率拟合计算;获取N组曲率数据,接着根据上述过程分别对温度影响变量组和湿度影响变量组建立二维坐标系,二维坐标系中温度或湿度为X轴,常态采集颗粒物数据为Y轴;得到两组二维曲线,并进行曲率拟合计算;获取两组曲率数据,最后,将温度和湿度曲率数据叠加获取温湿度影响因子,统计各个风向下的风力曲率数据作为风力影响因子,并计算温湿度影响因子和各个风向下的风力度影响因子之间的比例,其中,所述定量值指的是风向数据、风力数据、温度数据和湿度数据各自波动在设定范围内,则默认为定量值。
5.根据权利要求1所述的多态融合评估环境质量方法,其特征在于:所述第六步,建立环境预测模型具体为:将温度数据和湿度数据送入温湿度影响的拟合曲线输出颗粒物数据,风力影响计算过程为:根据风向数据选择将风力数据送入某一二维曲线,通过二维曲线的拟合公式计算输出颗粒物数据,并根据颗粒物数据对应风向下个的温湿度影响因子和风力影响因子比例输出预测颗粒物数据。
6.根据权利要求2所述的多态融合评估环境质量方法,其特征在于:所述激光监测仪和β射线的颗粒物检测仪进样端在同一气路上;所述气路输入端设置有前端处理模块,进入所述气路的样品经过前端处理模块处理后输出,所述前端处理模块包括切割器,所述切割器输出端安装有加热管;所述加热管输出端接入到气路,所述颗粒物先经过激光监测仪的监测探头,再进入β射线的颗粒物检测仪。
7.根据权利要求6所述的多态融合评估环境质量方法,其特征在于:所述气路于激光监测仪的监测探头处为透明管,或激光监测仪的监测探头嵌入气路的管道上,且不凸出管道内表面。
8.根据权利要求1所述的多态融合评估环境质量方法,其特征在于:所述环境监测站集成在一个箱体上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311069032.2A CN116779056B (zh) | 2023-08-24 | 2023-08-24 | 一种多态融合评估环境质量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311069032.2A CN116779056B (zh) | 2023-08-24 | 2023-08-24 | 一种多态融合评估环境质量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116779056A true CN116779056A (zh) | 2023-09-19 |
CN116779056B CN116779056B (zh) | 2023-10-20 |
Family
ID=87993478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311069032.2A Active CN116779056B (zh) | 2023-08-24 | 2023-08-24 | 一种多态融合评估环境质量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116779056B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080007821A (ko) * | 2006-07-18 | 2008-01-23 | 한국원자력안전기술원 | 방사능방재대책 기술지원 전산 시스템 |
CN107688208A (zh) * | 2017-09-08 | 2018-02-13 | 重庆三峡学院 | 一种环境监测粉尘颗粒*** |
CN107884322A (zh) * | 2017-10-30 | 2018-04-06 | 重庆广睿达科技有限公司 | 一种消除颗粒物的化学组分影响的动态校准方法及监测仪 |
CN107941666A (zh) * | 2017-10-30 | 2018-04-20 | 重庆广睿达科技有限公司 | 一种消除颗粒物的温湿度影响的动态校准方法及监测仪 |
CN109934377A (zh) * | 2018-12-29 | 2019-06-25 | 段文旭 | 一种细颗粒物的工业污染源综合交互因素控制分析和预测方法 |
WO2019144386A1 (zh) * | 2018-01-26 | 2019-08-01 | 大连理工大学 | 一种航空发动机过渡态关键性能参数预测方法 |
CN115730467A (zh) * | 2022-12-01 | 2023-03-03 | 吉林省突发事件预警信息发布中心 | 一种气象条件对大气颗粒物污染影响的定量评估方法 |
-
2023
- 2023-08-24 CN CN202311069032.2A patent/CN116779056B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080007821A (ko) * | 2006-07-18 | 2008-01-23 | 한국원자력안전기술원 | 방사능방재대책 기술지원 전산 시스템 |
CN107688208A (zh) * | 2017-09-08 | 2018-02-13 | 重庆三峡学院 | 一种环境监测粉尘颗粒*** |
CN107884322A (zh) * | 2017-10-30 | 2018-04-06 | 重庆广睿达科技有限公司 | 一种消除颗粒物的化学组分影响的动态校准方法及监测仪 |
CN107941666A (zh) * | 2017-10-30 | 2018-04-20 | 重庆广睿达科技有限公司 | 一种消除颗粒物的温湿度影响的动态校准方法及监测仪 |
WO2019144386A1 (zh) * | 2018-01-26 | 2019-08-01 | 大连理工大学 | 一种航空发动机过渡态关键性能参数预测方法 |
CN109934377A (zh) * | 2018-12-29 | 2019-06-25 | 段文旭 | 一种细颗粒物的工业污染源综合交互因素控制分析和预测方法 |
CN115730467A (zh) * | 2022-12-01 | 2023-03-03 | 吉林省突发事件预警信息发布中心 | 一种气象条件对大气颗粒物污染影响的定量评估方法 |
Non-Patent Citations (2)
Title |
---|
SIMENG MA ETAL: ""Sensitivity of PM2.5 and O3 pollution episodes to meteorological factors over the North China Plain"", 《SCIENCE OF THE TOTAL ENVIRONMENT》, pages 1 - 13 * |
徐白冰 等: ""基于物联网的温湿度与风速信息采集***设计与实现"", 《液晶与显示》, pages 936 - 942 * |
Also Published As
Publication number | Publication date |
---|---|
CN116779056B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108956876B (zh) | 一种烟气在线连续监测***的测量时延修正方法 | |
EP2430465B1 (en) | Particulate detection and calibration of sensors | |
CN105334147B (zh) | 基于β射线法和光散射法的颗粒物在线监测***及方法 | |
EP2720024A2 (en) | Methods and systems for structural health monitoring | |
CN102109333B (zh) | 小曲率半径复杂曲面智能超声波测厚*** | |
CN114935374A (zh) | 一种油井天然气流量计量过程的控制方法及*** | |
CN116985183B (zh) | 一种近红外光谱分析仪质量监测管理方法及*** | |
CN114486889A (zh) | 一种复材壁板微小阵列孔通孔率检测***及方法 | |
CN113282576A (zh) | 一种气象数据质量控制方法 | |
CN114527078A (zh) | 基于全光谱水质分析仪的监测预警方法和*** | |
CN116779056B (zh) | 一种多态融合评估环境质量方法 | |
CN117628417A (zh) | 一种燃气场用智能安全控制*** | |
CN106568535B (zh) | 一种机动车尾气排放温度传感器的精度检测*** | |
CN103743878A (zh) | 水质监测数据处理方法及装置 | |
CN112198101A (zh) | 一种高精度pm2.5/pm10浓度连续在线检测装置 | |
CN204832021U (zh) | 基于工控机数据采集的可燃气体探测器在线检测控制*** | |
CN115935241A (zh) | 一种多参数相互融合的清管器实时定位方法及装置 | |
CN112649335B (zh) | 大气颗粒物监测激光雷达沙尘消光系数贡献率自动分析法 | |
CN205157388U (zh) | 基于β射线法和光散射法的颗粒物在线监测*** | |
CN112257017A (zh) | 标准化残差检验法一元线性逐点分析方法及***和装置 | |
CN214408569U (zh) | 一种基于静电法的呼吸性粉尘在线监测*** | |
CN116879121B (zh) | 一种基于光纤传感技术的空气颗粒物浓度实时监测*** | |
CN109633208A (zh) | 风速传感器质量检测方法及装置 | |
CN115792141B (zh) | 一种提高水活度仪平衡检测效率的方法及*** | |
CN219474669U (zh) | 一种基于能量流动平衡的在线仪器仪表校准*** |
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 |