CN117129638B - 一种区域空气环境质量监测方法及*** - Google Patents
一种区域空气环境质量监测方法及*** Download PDFInfo
- Publication number
- CN117129638B CN117129638B CN202311396620.7A CN202311396620A CN117129638B CN 117129638 B CN117129638 B CN 117129638B CN 202311396620 A CN202311396620 A CN 202311396620A CN 117129638 B CN117129638 B CN 117129638B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- data
- area
- target
- pollutant concentration
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 422
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012806 monitoring device Methods 0.000 claims abstract description 15
- 239000003344 environmental pollutant Substances 0.000 claims description 71
- 231100000719 pollutant Toxicity 0.000 claims description 71
- 238000013507 mapping Methods 0.000 claims description 29
- 230000007613 environmental effect Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 239000002245 particle Substances 0.000 description 14
- 238000012545 processing Methods 0.000 description 7
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 5
- 229910002091 carbon monoxide Inorganic materials 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 239000000356 contaminant Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
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
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Dispersion Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种区域空气环境质量监测方法及***,该方法包括:当接收到输入的目标监测区域时,在预设气象数据库中获取到目标监测区域在预设时间段内产生的历史监测数据,并根据历史监测数据绘制出与目标监测区域中的空气环境质量对应的变化曲线图;提取出变化曲线图中分别包含的若干极大值点以及若干极小值点,并逐一检测出每一极大值点以及极小值点在目标监测区域中分别对应的目标产生地点;将空气监测设备设于目标产生地点内,以通过空气监测设备对目标监测区域进行实时监测。本发明能够有效的降低空气环境质量的监测成本,对应提升了用户的使用体验。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种区域空气环境质量监测方法及***。
背景技术
空气质量反映了空气的污染程度,它是依据空气中的污染物浓度的高低来判断的,又因为,空气污染是一个复杂的现象,导致现有的空气污染物的浓度在特定的时间和地点均会受到多种因素的影响。
现有技术对某一个区域的空气质量进行监测时,大部分通过在监测区域内同时设置若干个监测设备,以使当前若干个监测设备的监测范围能够覆盖当前监测区域,然而,此种监测方式需要同时耗费多个监测设备,并且会对应产生大量冗余的监测数据,导致对应增加了空气质量监测的成本以及监测数据处理的成本,同时降低了空气质量监测的效率。
发明内容
基于此,本发明的目的是提供一种区域空气环境质量监测方法及***,以解决现有技术对空气环境质量的监测成本较高的技术问题。
本发明实施例第一方面提出了:
一种区域空气环境质量监测方法,其中,所述方法包括:
当接收到输入的目标监测区域时,在预设气象数据库中获取到所述目标监测区域在预设时间段内产生的历史监测数据,并根据所述历史监测数据绘制出与所述目标监测区域中的空气环境质量对应的变化曲线图;
提取出所述变化曲线图中分别包含的若干极大值点以及若干极小值点,并逐一检测出每一所述极大值点以及所述极小值点在所述目标监测区域中分别对应的目标产生地点;
将空气监测设备设于所述目标产生地点内,以通过所述空气监测设备对所述目标监测区域进行实时监测。
本发明的有益效果是:通过实时获取目标监测区域的历史监测数据,能够对应绘制出与当前目标监测区域中的空气环境质量对应的变化曲线图,该变化曲线图能够直接反应出当前目标监测区域的历史空气污染程度。进一步的,提取出当前变化曲线图中分别包含的若干极大值点以及若干极小值点,以对应获取到需要的目标产生地点,基于此,将现有的空气监测设备设置在当前特定的目标产生地点中,从而能够省去大量的空气监测设备,进而降低了空气环境质量的监测成本,同时提升了用户的使用体验。
进一步的,所述根据所述历史监测数据绘制出与所述目标监测区域中的空气环境质量对应的变化曲线图的步骤包括:
当获取到所述历史监测数据时,提取出所述历史监测数据中包含的污染物浓度数据以及监测时间数据,所述污染物浓度数据和所述监测时间数据均包含有具体的数值;
根据所述污染物浓度数据以及所述监测时间数据在所述预设时间段内识别出每一时刻分别对应的污染物浓度值,并构建出每一时刻与每一所述污染物浓度值之间的映射关系;
根据所述映射关系生成对应的监测数据链,并根据所述监测数据链生成所述变化曲线图。
进一步的,所述根据所述映射关系生成对应的监测数据链的步骤包括:
基于第一预设程序创建出一监测模板,并根据所述监测时间数据生成对应的监测时间序列,所述监测模板包含第一区域以及第二区域,且所述第一区域与所述第二区域相对应;
将所述监测时间序列对应映射至所述第一区域中,并将所述污染物浓度值按照所述监测时间序列对应映射至所述第二区域中;
依次对所述第二区域中的污染物浓度值进行整合处理,以生成对应的污染物浓度序列,并基于所述监测模板对所述监测时间序列以及所述污染物浓度序列进行排列组合,以对应生成所述监测数据链,所述监测数据链具有唯一性。
进一步的,所述根据所述监测数据链生成所述变化曲线图的步骤包括:
当获取到所述监测数据链时,通过第二预设程序创建出一二维空间,并在所述二维空间中随机创建出一二维基准面;
在所述二维基准面中随机创建出一坐标原点,并基于所述坐标原点延伸出对应的二维坐标系,所述二维坐标系的x轴和y轴均与所述二维基准面平行;
将所述监测时间序列设定为所述二维坐标系的x轴,并将所述污染物浓度序列设定为所述二维坐标系的y轴;
将所述监测数据链输入至所述二维坐标系内,以在所述二维坐标系中生成若干对应的监测点,并在所述二维坐标系中依次连接若干所述监测点,以对应生成所述变化曲线图。
进一步的,所述逐一检测出每一所述极大值点以及所述极小值点在所述目标监测区域中分别对应的目标产生地点的步骤包括:
将所述目标监测区域划分为若干个对应的监测子区域,并根据所述历史监测数据获取到与每一所述监测子区域分别对应的监测数据集,每一所述监测子区域的大小均相等,每一所述监测数据集中均包含有具体的数值;
逐一检测出每一所述监测数据集中是否包含有所述极大值点或者所述极小值点对应的数值;
若检测出所述监测数据集中包含有所述极大值点或者所述极小值点对应的数值,则将当前所述监测数据集对应的监测子区域设定为所述目标产生地点。
进一步的,所述方法还包括:
实时接收每一所述空气监测设备分别生成的若干监测报告,并识别出所述监测报告中包含的项目栏以及数据栏,所述项目栏中包含有若干项目元素,所述数据栏中包含有若干数据元素;
将每一所述监测报告分别对应存储至一个存储文件夹中,并根据若干所述项目元素以及若干所述数据元素生成对应的空气监测数据链;
将每一所述空气监测数据链分别设定为每一所述存储文件夹的文件夹名称,所述空气监测数据链具有唯一性。
进一步的,所述根据若干所述项目元素以及若干所述数据元素生成对应的空气监测数据链的步骤包括:
提取出若干所述项目元素中包含的监测时间以及监测地点,并提取出若干所述数据元素中包含的颗粒直径;
根据预设规则对所述监测时间、所述监测地点以及所述颗粒直径进行排列组合,以对应生成所述空气监测数据链,所述颗粒直径包含有多种规格。
本发明实施例第二方面提出了:
一种区域空气环境质量监测***,其中,所述***包括:
获取模块,用于当接收到输入的目标监测区域时,在预设气象数据库中获取到所述目标监测区域在预设时间段内产生的历史监测数据,并根据所述历史监测数据绘制出与所述目标监测区域中的空气环境质量对应的变化曲线图;
提取模块,用于提取出所述变化曲线图中分别包含的若干极大值点以及若干极小值点,并逐一检测出每一所述极大值点以及所述极小值点在所述目标监测区域中分别对应的目标产生地点;
执行模块,用于将空气监测设备设于所述目标产生地点内,以通过所述空气监测设备对所述目标监测区域进行实时监测。
进一步的,所述获取模块具体用于:
当获取到所述历史监测数据时,提取出所述历史监测数据中包含的污染物浓度数据以及监测时间数据,所述污染物浓度数据和所述监测时间数据均包含有具体的数值;
根据所述污染物浓度数据以及所述监测时间数据在所述预设时间段内识别出每一时刻分别对应的污染物浓度值,并构建出每一时刻与每一所述污染物浓度值之间的映射关系;
根据所述映射关系生成对应的监测数据链,并根据所述监测数据链生成所述变化曲线图。
进一步的,所述获取模块还具体用于:
基于第一预设程序创建出一监测模板,并根据所述监测时间数据生成对应的监测时间序列,所述监测模板包含第一区域以及第二区域,且所述第一区域与所述第二区域相对应;
将所述监测时间序列对应映射至所述第一区域中,并将所述污染物浓度值按照所述监测时间序列对应映射至所述第二区域中;
依次对所述第二区域中的污染物浓度值进行整合处理,以生成对应的污染物浓度序列,并基于所述监测模板对所述监测时间序列以及所述污染物浓度序列进行排列组合,以对应生成所述监测数据链,所述监测数据链具有唯一性。
进一步的,所述获取模块还具体用于:
当获取到所述监测数据链时,通过第二预设程序创建出一二维空间,并在所述二维空间中随机创建出一二维基准面;
在所述二维基准面中随机创建出一坐标原点,并基于所述坐标原点延伸出对应的二维坐标系,所述二维坐标系的x轴和y轴均与所述二维基准面平行;
将所述监测时间序列设定为所述二维坐标系的x轴,并将所述污染物浓度序列设定为所述二维坐标系的y轴;
将所述监测数据链输入至所述二维坐标系内,以在所述二维坐标系中生成若干对应的监测点,并在所述二维坐标系中依次连接若干所述监测点,以对应生成所述变化曲线图。
进一步的,所述提取模块具体用于:
将所述目标监测区域划分为若干个对应的监测子区域,并根据所述历史监测数据获取到与每一所述监测子区域分别对应的监测数据集,每一所述监测子区域的大小均相等,每一所述监测数据集中均包含有具体的数值;
逐一检测出每一所述监测数据集中是否包含有所述极大值点或者所述极小值点对应的数值;
若检测出所述监测数据集中包含有所述极大值点或者所述极小值点对应的数值,则将当前所述监测数据集对应的监测子区域设定为所述目标产生地点。
进一步的,所述区域空气环境质量监测***还包括存储模块,所述存储模块具体用于:
实时接收每一所述空气监测设备分别生成的若干监测报告,并识别出所述监测报告中包含的项目栏以及数据栏,所述项目栏中包含有若干项目元素,所述数据栏中包含有若干数据元素;
将每一所述监测报告分别对应存储至一个存储文件夹中,并根据若干所述项目元素以及若干所述数据元素生成对应的空气监测数据链;
将每一所述空气监测数据链分别设定为每一所述存储文件夹的文件夹名称,所述空气监测数据链具有唯一性。
进一步的,所述存储模块还具体用于:
提取出若干所述项目元素中包含的监测时间以及监测地点,并提取出若干所述数据元素中包含的颗粒直径;
根据预设规则对所述监测时间、所述监测地点以及所述颗粒直径进行排列组合,以对应生成所述空气监测数据链,所述颗粒直径包含有多种规格。
本发明实施例第三方面提出了:
一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如上面所述的区域空气环境质量监测方法。
本发明实施例第四方面提出了:
一种可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如上面所述的区域空气环境质量监测方法。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1为本发明第一实施例提供的区域空气环境质量监测方法的流程图;
图2为本发明第六实施例提供的区域空气环境质量监测***的结构框图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是,当元件被称为“固设于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
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发明的技术领域的技术人员通常理解的含义相同。本文中在本发明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,不是旨在于限制本发明。本文所使用的术语“及/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。
请参阅图1,所示为本发明第一实施例提供的区域空气环境质量监测方法,本实施例提供的区域空气环境质量监测方法能够省去大量的空气监测设备,从而降低了空气环境质量的监测成本,同时提升了用户的使用体验。
具体的,本实施例提供的区域空气环境质量监测方法具体包括以下步骤:
步骤S10,当接收到输入的目标监测区域时,在预设气象数据库中获取到所述目标监测区域在预设时间段内产生的历史气象数据,并根据所述历史气象数据绘制出与所述目标监测区域中的空气环境质量对应的变化曲线图;
步骤S20,提取出所述变化曲线图中分别包含的若干极大值点以及若干极小值点,并逐一检测出每一所述极大值点以及所述极小值点在所述目标监测区域中分别对应的目标产生地点;
步骤S30,将空气监测设备设于所述目标产生地点内,以通过所述空气监测设备对所述目标监测区域进行实时监测。
具体的,在本实施例中,首先需要说明的是,该区域空气环境质量监测方法只是用于实时监测某一个区域的空气环境质量,具体的,该区域例如可以是一个县城、一个乡镇或者一个市,以准确的监测出当前区域的空气环境质量。另外,需要指出的是,该区域空气环境质量监测方法是基于设置在后台的服务器实施的,该服务器能够实时的接收数据,并对数据进行有效的处理。基于此,需要说明的是,当上述服务器实时接收到用户通过用户终端输入的目标监测区域时,具体的,例如对“A县城”进行空气环境质量的监测,进一步的,在现有的气象数据库中获取到与当前目标监测区域在预设时间段内已经产生的历史气象数据,具体的,例如可以获取当前目标监测区域在最近的七天内已经产生的历史气象数据,与此同时,对当前历史气象数据进行处理,以对应绘制出与当前目标监测区域中的空气环境质量对应的变化曲线图。
进一步的,由于该变化曲线图中存在着若干个波峰以及波谷,从而会对应产生若干个极大值点以及极小值点,基于此,再进一步逐一检测出当前每个极大值点以及极小值点在上述目标监测区域中的目标产生地点,即对应在上述目标监测区域中的位置。在此基础之上,最后将现有的空气监测设备对应设置在各个检测出的目标产生地点内,从而能够在空气监测设备的检测范围覆盖上述目标监测区域的前提下,减少空气监测设备的使用数量,同时能够监测各个重点区域,一方面降低了监测的成本,另一方面提升了用户的使用体验。
第二实施例
具体的,在本实施例中,需要说明的是,上述根据所述历史气象数据绘制出与所述目标监测区域中的空气环境质量对应的变化曲线图的步骤包括:
当获取到所述历史气象数据时,提取出所述历史气象数据中包含的污染物浓度数据以及监测时间数据,所述污染物浓度数据和所述监测时间数据均包含有具体的数值;
根据所述污染物浓度数据以及所述监测时间数据在所述预设时间段内识别出每一时刻分别对应的污染物浓度值,并构建出每一时刻与每一所述污染物浓度值之间的映射关系;
根据所述映射关系生成对应的监测数据链,并根据所述监测数据链生成所述变化曲线图。
具体的,在本实施例中,需要说明的是,在通过上述步骤获取到需要的历史气象数据之后,为了能够进一步生成需要的变化曲线图,此时需要进一步提取出当前历史气象数据中分别包含的污染物浓度数据以及监测时间数据,其中,污染物浓度数据可以具体包括粉尘、一氧化碳以及二氧化硫等污染物浓度的数据,另外,上述监测时间数据可以包括具体的监测时刻表,具体的,可以用天数作为单位,或者用小时作为单位。
进一步的,在获取到需要的污染物浓度数据以及监测时间数据之后,此时可以进一步在上述预设时间段内识别出每个时刻所分别对应的污染物浓度值,具体的,例如“在七天内识别出每天分别对应的污染物浓度值”或者“在七天内识别出每6个小时分别对应的污染物浓度值”等,基于此,可以进一步构建出每一时刻与每一污染物浓度值之间的映射关系,在此基础之上,就可以根据当前映射关系生成对应的监测数据链,并能够进一步根据当前监测数据链生成上述变化曲线图。
具体的,在本实施例中,还需要说明的是,上述根据所述映射关系生成对应的监测数据链的步骤包括:
基于第一预设程序创建出一监测模板,并根据所述监测时间数据生成对应的监测时间序列,所述监测模板包含第一区域以及第二区域,且所述第一区域与所述第二区域相对应;
将所述监测时间序列对应映射至所述第一区域中,并将所述污染物浓度值按照所述监测时间序列对应映射至所述第二区域中;
依次对所述第二区域中的污染物浓度值进行整合处理,以生成对应的污染物浓度序列,并基于所述监测模板对所述监测时间序列以及所述污染物浓度序列进行排列组合,以对应生成所述监测数据链,所述监测数据链具有唯一性。
具体的,在本实施例中,还需要说明的是,为了能够简单、快速的生成上述监测数据链,还需要进一步通过现有的EXCEL软件随机创建出一个用于记录监测数据的监测模板,与此同时,能够根据上述监测时间数据生成对应的监测时间序列,具体的,例如“2023年09月09日10时-16时-22时”,进一步的,还会将上述监测模板中的记录区域对应划分为第一区域以及第二区域,优选的,第一区域可以在当前监测模板中纵向排布,对应的,第二区域可以在当前监测模板中横向排布。基于此,将上述监测时间序列对应映射至当前第一区域中,将上述污染物浓度值对应映射至当前第二区域中。更进一步的,对当前第二区域中的污染物浓度值进行整合处理,同样可以生成对应的污染物浓度序列,并最终生成上述监测数据链,具体的,例如实时生成的监测数据链可以为“2023年09月09日10时-一氧化碳浓度10PPM-二氧化硫15PPM”等,以便于后续进一步的处理。
第三实施例
另外,在本实施例中,需要说明的是,上述根据所述监测数据链生成所述变化曲线图的步骤包括:
当获取到所述监测数据链时,通过第二预设程序创建出一二维空间,并在所述二维空间中随机创建出一二维基准面;
在所述二维基准面中随机创建出一坐标原点,并基于所述坐标原点延伸出对应的二维坐标系,所述二维坐标系的x轴和y轴均与所述二维基准面平行;
将所述监测时间序列设定为所述二维坐标系的x轴,并将所述污染物浓度序列设定为所述二维坐标系的y轴;
将所述监测数据链输入至所述二维坐标系内,以在所述二维坐标系中生成若干对应的监测点,并在所述二维坐标系中依次连接若干所述监测点,以对应生成所述变化曲线图。
另外,在本实施例中,需要说明的是,在通过上述步骤获取到需要的监测数据链之后,此时需要进一步通过现有的ug等绘图软件在其虚拟空间中随机创建出一个适配的二维空间,进一步的,在该二维空间中随机创建出一个二维基准面,与此同时,在该二维基准面中再随机创建出一个坐标原点,基于此,就能够根据该坐标原点进一步延伸出需要的二维坐标系。
进一步的,为了能够生成与上述监测数据链适配的变化曲线图,此时需要进一步将上述监测时间序列设定为当前二维坐标系的x轴,对应的,将上述污染物浓度序列设定为当前二维坐标系的y轴,基于此,就能够对应将每个监测数据链输入至当前二维坐标系中,与此同时,在该二维坐标系中同步生成若干个对应的监测点,即一个监测数据链对应生成一个监测点,进一步的,依次连接当前若干个监测点,就能够最终生成上述变化曲线图。
另外,在本实施例中,还需要说明的是,上述逐一检测出每一所述极大值点以及所述极小值点在所述目标监测区域中分别对应的目标产生地点的步骤包括:
将所述目标监测区域划分为若干个对应的监测子区域,并根据所述历史气象数据获取到与每一所述监测子区域分别对应的监测数据集,每一所述监测子区域的大小均相等,每一所述监测数据集中均包含有具体的数值;
逐一检测出每一所述监测数据集中是否包含有所述极大值点或者所述极小值点对应的数值;
若检测出所述监测数据集中包含有所述极大值点或者所述极小值点对应的数值,则将当前所述监测数据集对应的监测子区域设定为所述目标产生地点。
另外,在本实施例中,还需要说明的是,在通过上述步骤获取到需要的极大值点以及极小值点之后,为了能够进一步获取到当前每个极大值点以及极小值点所分别产生的地点,具体的,需要进一步将当前目标监测区域划分为若干个面积相等的监测子区域,进一步的,同步根据上述历史气象数据获取到当前每个监测子区域中分别对应的监测数据集。更进一步的,实时检测当前每个监测数据集中是否包含有上述极大值点或者极小值点所对应的数值,具体的,若是,则说明当前监测数据集所对应的监测子区域就是需要的目标产生地点,对应的,若否,则说明当前监测数据集所对应的监测子区域不是需要的目标产生地点,以便于后续的处理。
第四实施例
其中,在本实施例中,需要指出的是,所述方法还包括:
实时接收每一所述空气监测设备分别生成的若干监测报告,并识别出所述监测报告中包含的项目栏以及数据栏,所述项目栏中包含有若干项目元素,所述数据栏中包含有若干数据元素;
将每一所述监测报告分别对应存储至一个存储文件夹中,并根据若干所述项目元素以及若干所述数据元素生成对应的空气监测数据链;
将每一所述空气监测数据链分别设定为每一所述存储文件夹的文件夹名称,所述空气监测数据链具有唯一性。
其中,在本实施例中,需要指出的是,为了能够对上述空气监测设备实时生成的监测报告进行有效的存储,以保护数据的完整性,具体的,上述服务器会实时提取出每个监测报告中分别包含的项目栏以及数据栏,其中,项目栏包含有若干个项目元素,对应的,数据栏包含有若干个数据元素。进一步的,会将每份监测报告均分别对应存储至一个存储文件夹中,从而能够有效的进行分类处理。基于此,再实时根据上述若干项目元素以及若干数据元素生成对应的空气监测数据链,最后将每个空气监测数据链分别对应设置为每个存储文件夹的文件夹名称,一方面有效的完成了监测报告的存储,另一方面能够使工作人员直观的观察到每个文件夹中分别存储了哪一个监测报告,对应提升了后续工作人员的查找效率。
第五实施例
其中,在本实施例中,需要指出的是,所述根据若干所述项目元素以及若干所述数据元素生成对应的空气监测数据链的步骤包括:
提取出若干所述项目元素中包含的监测时间以及监测地点,并提取出若干所述数据元素中包含的颗粒直径;
根据预设规则对所述监测时间、所述监测地点以及所述颗粒直径进行排列组合,以对应生成所述空气监测数据链,所述颗粒直径包含有多种规格。
其中,在本实施例中,需要指出的是,为了能够简单、快速的生成上述空气监测数据链,还会进一步实时提取出上述若干项目元素中所包含的监测时间以及监测地点,与此同时,提取出上述若干数据元素中所包含的颗粒直径。
进一步的,根据当前监测时间、监测地点以及颗粒直径进行排列组合,具体的,按照“监测时间-监测地点-颗粒直径”的排布规则生成空气监测数据链。更具体的,例如实时生成的空气监测数据链可以为“2023年09月09日-B县城-二氧化硫8PPM-一氧化碳16PPM”等,以便于后续的处理。
请参阅图2,本发明第六实施例提供了:
一种区域空气环境质量监测***,其中,所述***包括:
获取模块,用于当接收到输入的目标监测区域时,在预设气象数据库中获取到所述目标监测区域在预设时间段内产生的历史气象数据,并根据所述历史气象数据绘制出与所述目标监测区域中的空气环境质量对应的变化曲线图;
提取模块,用于提取出所述变化曲线图中分别包含的若干极大值点以及若干极小值点,并逐一检测出每一所述极大值点以及所述极小值点在所述目标监测区域中分别对应的目标产生地点;
执行模块,用于将空气监测设备设于所述目标产生地点内,以通过所述空气监测设备对所述目标监测区域进行实时监测。
其中,上述区域空气环境质量监测***中,所述获取模块具体用于:
当获取到所述历史气象数据时,提取出所述历史气象数据中包含的污染物浓度数据以及监测时间数据,所述污染物浓度数据和所述监测时间数据均包含有具体的数值;
根据所述污染物浓度数据以及所述监测时间数据在所述预设时间段内识别出每一时刻分别对应的污染物浓度值,并构建出每一时刻与每一所述污染物浓度值之间的映射关系;
根据所述映射关系生成对应的监测数据链,并根据所述监测数据链生成所述变化曲线图。
其中,上述区域空气环境质量监测***中,所述获取模块还具体用于:
基于第一预设程序创建出一监测模板,并根据所述监测时间数据生成对应的监测时间序列,所述监测模板包含第一区域以及第二区域,且所述第一区域与所述第二区域相对应;
将所述监测时间序列对应映射至所述第一区域中,并将所述污染物浓度值按照所述监测时间序列对应映射至所述第二区域中;
依次对所述第二区域中的污染物浓度值进行整合处理,以生成对应的污染物浓度序列,并基于所述监测模板对所述监测时间序列以及所述污染物浓度序列进行排列组合,以对应生成所述监测数据链,所述监测数据链具有唯一性。
其中,上述区域空气环境质量监测***中,所述获取模块还具体用于:
当获取到所述监测数据链时,通过第二预设程序创建出一二维空间,并在所述二维空间中随机创建出一二维基准面;
在所述二维基准面中随机创建出一坐标原点,并基于所述坐标原点延伸出对应的二维坐标系,所述二维坐标系的x轴和y轴均与所述二维基准面平行;
将所述监测时间序列设定为所述二维坐标系的x轴,并将所述污染物浓度序列设定为所述二维坐标系的y轴;
将所述监测数据链输入至所述二维坐标系内,以在所述二维坐标系中生成若干对应的监测点,并在所述二维坐标系中依次连接若干所述监测点,以对应生成所述变化曲线图。
其中,上述区域空气环境质量监测***中,所述提取模块具体用于:
将所述目标监测区域划分为若干个对应的监测子区域,并根据所述历史气象数据获取到与每一所述监测子区域分别对应的监测数据集,每一所述监测子区域的大小均相等,每一所述监测数据集中均包含有具体的数值;
逐一检测出每一所述监测数据集中是否包含有所述极大值点或者所述极小值点对应的数值;
若检测出所述监测数据集中包含有所述极大值点或者所述极小值点对应的数值,则将当前所述监测数据集对应的监测子区域设定为所述目标产生地点。
其中,上述区域空气环境质量监测***中,所述区域空气环境质量监测***还包括存储模块,所述存储模块具体用于:
实时接收每一所述空气监测设备分别生成的若干监测报告,并识别出所述监测报告中包含的项目栏以及数据栏,所述项目栏中包含有若干项目元素,所述数据栏中包含有若干数据元素;
将每一所述监测报告分别对应存储至一个存储文件夹中,并根据若干所述项目元素以及若干所述数据元素生成对应的空气监测数据链;
将每一所述空气监测数据链分别设定为每一所述存储文件夹的文件夹名称,所述空气监测数据链具有唯一性。
其中,上述区域空气环境质量监测***中,所述存储模块还具体用于:
提取出若干所述项目元素中包含的监测时间以及监测地点,并提取出若干所述数据元素中包含的颗粒直径;
根据预设规则对所述监测时间、所述监测地点以及所述颗粒直径进行排列组合,以对应生成所述空气监测数据链,所述颗粒直径包含有多种规格。
本发明第七实施例提供了一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如上述实施例提供的区域空气环境质量监测方法。
本发明第八实施例提供了一种可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如上述实施例提供的区域空气环境质量监测方法。
综上所述,本发明上述实施例提供的区域空气环境质量监测方法及***能够省去大量的空气监测设备,从而降低了空气环境质量的监测成本,同时提升了用户的使用体验。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种区域空气环境质量监测方法,其特征在于,所述方法包括:
当接收到输入的目标监测区域时,在预设气象数据库中获取到所述目标监测区域在预设时间段内产生的历史监测数据,并根据所述历史监测数据绘制出与所述目标监测区域中的空气环境质量对应的变化曲线图;
提取出所述变化曲线图中分别包含的若干极大值点以及若干极小值点,并逐一检测出每一所述极大值点以及所述极小值点在所述目标监测区域中分别对应的目标产生地点;
将空气监测设备设于所述目标产生地点内,以通过所述空气监测设备对所述目标监测区域进行实时监测;
所述根据所述历史监测数据绘制出与所述目标监测区域中的空气环境质量对应的变化曲线图的步骤包括:
当获取到所述历史监测数据时,提取出所述历史监测数据中包含的污染物浓度数据以及监测时间数据,所述污染物浓度数据和所述监测时间数据均包含有具体的数值;
根据所述污染物浓度数据以及所述监测时间数据在所述预设时间段内识别出每一时刻分别对应的污染物浓度值,并构建出每一时刻与每一所述污染物浓度值之间的映射关系;
根据所述映射关系生成对应的监测数据链,并根据所述监测数据链生成所述变化曲线图;
所述根据所述映射关系生成对应的监测数据链的步骤包括:
基于第一预设程序创建出一监测模板,并根据所述监测时间数据生成对应的监测时间序列,所述监测模板包含第一区域以及第二区域,且所述第一区域与所述第二区域相对应;
将所述监测时间序列对应映射至所述第一区域中,并将所述污染物浓度值按照所述监测时间序列对应映射至所述第二区域中;
依次对所述第二区域中的污染物浓度值进行整合处理,以生成对应的污染物浓度序列,并基于所述监测模板对所述监测时间序列以及所述污染物浓度序列进行排列组合,以对应生成所述监测数据链,所述监测数据链具有唯一性;
所述根据所述监测数据链生成所述变化曲线图的步骤包括:
当获取到所述监测数据链时,通过第二预设程序创建出一二维空间,并在所述二维空间中随机创建出一二维基准面;
在所述二维基准面中随机创建出一坐标原点,并基于所述坐标原点延伸出对应的二维坐标系,所述二维坐标系的x轴和y轴均与所述二维基准面平行;
将所述监测时间序列设定为所述二维坐标系的x轴,并将所述污染物浓度序列设定为所述二维坐标系的y轴;
将所述监测数据链输入至所述二维坐标系内,以在所述二维坐标系中生成若干对应的监测点,并在所述二维坐标系中依次连接若干所述监测点,以对应生成所述变化曲线图;
所述逐一检测出每一所述极大值点以及所述极小值点在所述目标监测区域中分别对应的目标产生地点的步骤包括:
将所述目标监测区域划分为若干个对应的监测子区域,并根据所述历史监测数据获取到与每一所述监测子区域分别对应的监测数据集,每一所述监测子区域的大小均相等,每一所述监测数据集中均包含有具体的数值;
逐一检测出每一所述监测数据集中是否包含有所述极大值点或者所述极小值点对应的数值;
若检测出所述监测数据集中包含有所述极大值点或者所述极小值点对应的数值,则将当前所述监测数据集对应的监测子区域设定为所述目标产生地点。
2.根据权利要求1所述的区域空气环境质量监测方法,其特征在于:所述方法还包括:
实时接收每一所述空气监测设备分别生成的若干监测报告,并识别出所述监测报告中包含的项目栏以及数据栏,所述项目栏中包含有若干项目元素,所述数据栏中包含有若干数据元素;
将每一所述监测报告分别对应存储至一个存储文件夹中,并根据若干所述项目元素以及若干所述数据元素生成对应的空气监测数据链;
将每一所述空气监测数据链分别设定为每一所述存储文件夹的文件夹名称,所述空气监测数据链具有唯一性。
3.一种区域空气环境质量监测***,其特征在于,所述***包括:
获取模块,用于当接收到输入的目标监测区域时,在预设气象数据库中获取到所述目标监测区域在预设时间段内产生的历史气象数据,并根据所述历史气象数据绘制出与所述目标监测区域中的空气环境质量对应的变化曲线图;
提取模块,用于提取出所述变化曲线图中分别包含的若干极大值点以及若干极小值点,并逐一检测出每一所述极大值点以及所述极小值点在所述目标监测区域中分别对应的目标产生地点;
执行模块,用于将空气监测设备设于所述目标产生地点内,以通过所述空气监测设备对所述目标监测区域进行实时监测;
所述获取模块具体用于:
当获取到所述历史气象数据时,提取出所述历史气象数据中包含的污染物浓度数据以及监测时间数据,所述污染物浓度数据和所述监测时间数据均包含有具体的数值;
根据所述污染物浓度数据以及所述监测时间数据在所述预设时间段内识别出每一时刻分别对应的污染物浓度值,并构建出每一时刻与每一所述污染物浓度值之间的映射关系;
根据所述映射关系生成对应的监测数据链,并根据所述监测数据链生成所述变化曲线图;
所述获取模块还具体用于:
基于第一预设程序创建出一监测模板,并根据所述监测时间数据生成对应的监测时间序列,所述监测模板包含第一区域以及第二区域,且所述第一区域与所述第二区域相对应;
将所述监测时间序列对应映射至所述第一区域中,并将所述污染物浓度值按照所述监测时间序列对应映射至所述第二区域中;
依次对所述第二区域中的污染物浓度值进行整合处理,以生成对应的污染物浓度序列,并基于所述监测模板对所述监测时间序列以及所述污染物浓度序列进行排列组合,以对应生成所述监测数据链,所述监测数据链具有唯一性;
所述获取模块还具体用于:
当获取到所述监测数据链时,通过第二预设程序创建出一二维空间,并在所述二维空间中随机创建出一二维基准面;
在所述二维基准面中随机创建出一坐标原点,并基于所述坐标原点延伸出对应的二维坐标系,所述二维坐标系的x轴和y轴均与所述二维基准面平行;
将所述监测时间序列设定为所述二维坐标系的x轴,并将所述污染物浓度序列设定为所述二维坐标系的y轴;
将所述监测数据链输入至所述二维坐标系内,以在所述二维坐标系中生成若干对应的监测点,并在所述二维坐标系中依次连接若干所述监测点,以对应生成所述变化曲线图;
所述提取模块具体用于:
将所述目标监测区域划分为若干个对应的监测子区域,并根据所述历史气象数据获取到与每一所述监测子区域分别对应的监测数据集,每一所述监测子区域的大小均相等,每一所述监测数据集中均包含有具体的数值;
逐一检测出每一所述监测数据集中是否包含有所述极大值点或者所述极小值点对应的数值;
若检测出所述监测数据集中包含有所述极大值点或者所述极小值点对应的数值,则将当前所述监测数据集对应的监测子区域设定为所述目标产生地点。
4.一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至2中任意一项所述的区域空气环境质量监测方法。
5.一种可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至2中任意一项所述的区域空气环境质量监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311396620.7A CN117129638B (zh) | 2023-10-26 | 2023-10-26 | 一种区域空气环境质量监测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311396620.7A CN117129638B (zh) | 2023-10-26 | 2023-10-26 | 一种区域空气环境质量监测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117129638A CN117129638A (zh) | 2023-11-28 |
CN117129638B true CN117129638B (zh) | 2024-01-12 |
Family
ID=88854905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311396620.7A Active CN117129638B (zh) | 2023-10-26 | 2023-10-26 | 一种区域空气环境质量监测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117129638B (zh) |
Citations (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1042274A (ja) * | 1996-07-25 | 1998-02-13 | Babcock Hitachi Kk | 異常監視方法および装置 |
CN102967689A (zh) * | 2012-11-22 | 2013-03-13 | 天津大学 | 基于相关系数的污染源辨识方法及其监测布点方法 |
CN103679610A (zh) * | 2013-12-12 | 2014-03-26 | 北京航空航天大学 | 一种用于大气环境监测的可视化*** |
CN104200075A (zh) * | 2014-08-20 | 2014-12-10 | 浙江中控软件技术有限公司 | 应用于工业监控***中的趋势图的绘制方法和装置 |
KR20150031577A (ko) * | 2013-09-16 | 2015-03-25 | 주식회사 에니텍 | 대기오염물질 배출량 역산출 방법 |
CN107193056A (zh) * | 2017-05-09 | 2017-09-22 | 西南石油大学 | 空气污染物监测预警方法及云平台 |
CN107632111A (zh) * | 2016-07-19 | 2018-01-26 | 高奎峰 | 一种在线监测大气污染的方法及*** |
WO2018214060A1 (zh) * | 2017-05-24 | 2018-11-29 | 北京质享科技有限公司 | 一种城市小尺度空气质量指数预测方法与*** |
CN109523066A (zh) * | 2018-10-29 | 2019-03-26 | 东华理工大学 | 一种基于克里金插值的pm2.5新增移动站点选址方法 |
CN109613182A (zh) * | 2018-12-21 | 2019-04-12 | 北京英视睿达科技有限公司 | 基于大气污染物的监测布点选址方法及装置 |
CN110334828A (zh) * | 2019-03-07 | 2019-10-15 | 北京融链科技有限公司 | 选址方法及装置、存储介质、处理器 |
CN110766191A (zh) * | 2019-08-27 | 2020-02-07 | 东华理工大学 | 一种基于时空克里金插值的新增pm2.5固定监测站点选址方法 |
CN111157682A (zh) * | 2020-01-06 | 2020-05-15 | 上海应用技术大学 | 空气质量监测及预测***及方法 |
CN111175446A (zh) * | 2019-12-25 | 2020-05-19 | 嘉兴恒云数据科技有限公司 | 一种气体溯源方法及装置 |
CN111768038A (zh) * | 2020-06-30 | 2020-10-13 | 平安国际智慧城市科技股份有限公司 | 污染物监控方法、装置、终端设备及存储介质 |
CN111983143A (zh) * | 2020-08-05 | 2020-11-24 | 宁夏无线互通信息技术有限公司 | 空气质量移动监管*** |
CN112465243A (zh) * | 2020-12-02 | 2021-03-09 | 南通大学 | 一种空气质量预报方法及*** |
CN112505254A (zh) * | 2020-12-03 | 2021-03-16 | 中科三清科技有限公司 | 一种大气污染来源的解析方法、装置、存储介质及终端 |
KR20210032808A (ko) * | 2019-09-17 | 2021-03-25 | 한국과학기술연구원 | 대기질 측정자료의 일변화 패턴 자동 분석 방법 |
CN112905560A (zh) * | 2021-02-02 | 2021-06-04 | 中国科学院地理科学与资源研究所 | 一种多源时空大数据深度融合的空气污染预测方法 |
CN113222328A (zh) * | 2021-03-25 | 2021-08-06 | 中国科学技术大学先进技术研究院 | 基于路段污染相似性的空气质量监测设备布点选址方法 |
CN113946718A (zh) * | 2021-10-21 | 2022-01-18 | 河北先河环保科技股份有限公司 | 空气监测数据的存储方法、设备及存储*** |
CN113988348A (zh) * | 2020-07-10 | 2022-01-28 | 中国科学院沈阳计算技术研究所有限公司 | 一种网格化监测的空气质量预测方法 |
CN114858976A (zh) * | 2022-04-27 | 2022-08-05 | 浙江索思科技有限公司 | 一种工业园区大气质量智能分析方法及*** |
CN115018348A (zh) * | 2022-06-20 | 2022-09-06 | 北京北投生态环境有限公司 | 基于人工智能的环境分析方法、***、设备及存储介质 |
CN115327041A (zh) * | 2022-08-09 | 2022-11-11 | 南京邮电大学 | 一种基于关联性分析的空气污染物浓度预测方法 |
CN115358904A (zh) * | 2022-10-20 | 2022-11-18 | 四川国蓝中天环境科技集团有限公司 | 一种动静结合的城市区域空气质量监测站选址方法 |
CN115586304A (zh) * | 2022-10-04 | 2023-01-10 | 昆明理工大学 | 一种环境区域空气监测*** |
CN115656446A (zh) * | 2022-12-26 | 2023-01-31 | 沃客森信息科技(常州)有限公司 | 一种基于物联网的空气质量检测***及方法 |
CN115718169A (zh) * | 2022-11-14 | 2023-02-28 | 河北先河环保科技股份有限公司 | 大气污染高值区域的定位方法、装置、设备及存储介质 |
CN116484195A (zh) * | 2023-05-30 | 2023-07-25 | 碧空环境科技有限公司 | 一种用于空气站常规污染物数据异常报警反馈的方法和*** |
CN116680658A (zh) * | 2023-05-31 | 2023-09-01 | 华南理工大学 | 一种基于风险评价的热浪监测站选址方法及*** |
CN116699072A (zh) * | 2023-06-08 | 2023-09-05 | 东莞市华复实业有限公司 | 基于侦测巡航的环境预警方法 |
CN116735807A (zh) * | 2023-08-09 | 2023-09-12 | 山东优控智能技术有限公司 | 基于多传感器数据的空气质量检测评估方法 |
DE202023105203U1 (de) * | 2023-09-09 | 2023-09-20 | Vrushali Bahurupi | Überwachungssystem für nachhaltige Umwelt |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210396729A1 (en) * | 2020-06-23 | 2021-12-23 | Dataa Development Co., Ltd. | Small area real-time air pollution assessment system and method |
US11512864B2 (en) * | 2021-04-14 | 2022-11-29 | Jiangnan University | Deep spatial-temporal similarity method for air quality prediction |
-
2023
- 2023-10-26 CN CN202311396620.7A patent/CN117129638B/zh active Active
Patent Citations (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1042274A (ja) * | 1996-07-25 | 1998-02-13 | Babcock Hitachi Kk | 異常監視方法および装置 |
CN102967689A (zh) * | 2012-11-22 | 2013-03-13 | 天津大学 | 基于相关系数的污染源辨识方法及其监测布点方法 |
KR20150031577A (ko) * | 2013-09-16 | 2015-03-25 | 주식회사 에니텍 | 대기오염물질 배출량 역산출 방법 |
CN103679610A (zh) * | 2013-12-12 | 2014-03-26 | 北京航空航天大学 | 一种用于大气环境监测的可视化*** |
CN104200075A (zh) * | 2014-08-20 | 2014-12-10 | 浙江中控软件技术有限公司 | 应用于工业监控***中的趋势图的绘制方法和装置 |
CN107632111A (zh) * | 2016-07-19 | 2018-01-26 | 高奎峰 | 一种在线监测大气污染的方法及*** |
CN107193056A (zh) * | 2017-05-09 | 2017-09-22 | 西南石油大学 | 空气污染物监测预警方法及云平台 |
WO2018214060A1 (zh) * | 2017-05-24 | 2018-11-29 | 北京质享科技有限公司 | 一种城市小尺度空气质量指数预测方法与*** |
CN109523066A (zh) * | 2018-10-29 | 2019-03-26 | 东华理工大学 | 一种基于克里金插值的pm2.5新增移动站点选址方法 |
CN109613182A (zh) * | 2018-12-21 | 2019-04-12 | 北京英视睿达科技有限公司 | 基于大气污染物的监测布点选址方法及装置 |
CN110334828A (zh) * | 2019-03-07 | 2019-10-15 | 北京融链科技有限公司 | 选址方法及装置、存储介质、处理器 |
CN110766191A (zh) * | 2019-08-27 | 2020-02-07 | 东华理工大学 | 一种基于时空克里金插值的新增pm2.5固定监测站点选址方法 |
KR20210032808A (ko) * | 2019-09-17 | 2021-03-25 | 한국과학기술연구원 | 대기질 측정자료의 일변화 패턴 자동 분석 방법 |
CN111175446A (zh) * | 2019-12-25 | 2020-05-19 | 嘉兴恒云数据科技有限公司 | 一种气体溯源方法及装置 |
CN111157682A (zh) * | 2020-01-06 | 2020-05-15 | 上海应用技术大学 | 空气质量监测及预测***及方法 |
CN111768038A (zh) * | 2020-06-30 | 2020-10-13 | 平安国际智慧城市科技股份有限公司 | 污染物监控方法、装置、终端设备及存储介质 |
CN113988348A (zh) * | 2020-07-10 | 2022-01-28 | 中国科学院沈阳计算技术研究所有限公司 | 一种网格化监测的空气质量预测方法 |
CN111983143A (zh) * | 2020-08-05 | 2020-11-24 | 宁夏无线互通信息技术有限公司 | 空气质量移动监管*** |
CN112465243A (zh) * | 2020-12-02 | 2021-03-09 | 南通大学 | 一种空气质量预报方法及*** |
CN112505254A (zh) * | 2020-12-03 | 2021-03-16 | 中科三清科技有限公司 | 一种大气污染来源的解析方法、装置、存储介质及终端 |
CN112905560A (zh) * | 2021-02-02 | 2021-06-04 | 中国科学院地理科学与资源研究所 | 一种多源时空大数据深度融合的空气污染预测方法 |
CN113222328A (zh) * | 2021-03-25 | 2021-08-06 | 中国科学技术大学先进技术研究院 | 基于路段污染相似性的空气质量监测设备布点选址方法 |
CN113946718A (zh) * | 2021-10-21 | 2022-01-18 | 河北先河环保科技股份有限公司 | 空气监测数据的存储方法、设备及存储*** |
CN114858976A (zh) * | 2022-04-27 | 2022-08-05 | 浙江索思科技有限公司 | 一种工业园区大气质量智能分析方法及*** |
CN115018348A (zh) * | 2022-06-20 | 2022-09-06 | 北京北投生态环境有限公司 | 基于人工智能的环境分析方法、***、设备及存储介质 |
CN115327041A (zh) * | 2022-08-09 | 2022-11-11 | 南京邮电大学 | 一种基于关联性分析的空气污染物浓度预测方法 |
CN115586304A (zh) * | 2022-10-04 | 2023-01-10 | 昆明理工大学 | 一种环境区域空气监测*** |
CN115358904A (zh) * | 2022-10-20 | 2022-11-18 | 四川国蓝中天环境科技集团有限公司 | 一种动静结合的城市区域空气质量监测站选址方法 |
CN115718169A (zh) * | 2022-11-14 | 2023-02-28 | 河北先河环保科技股份有限公司 | 大气污染高值区域的定位方法、装置、设备及存储介质 |
CN115656446A (zh) * | 2022-12-26 | 2023-01-31 | 沃客森信息科技(常州)有限公司 | 一种基于物联网的空气质量检测***及方法 |
CN116484195A (zh) * | 2023-05-30 | 2023-07-25 | 碧空环境科技有限公司 | 一种用于空气站常规污染物数据异常报警反馈的方法和*** |
CN116680658A (zh) * | 2023-05-31 | 2023-09-01 | 华南理工大学 | 一种基于风险评价的热浪监测站选址方法及*** |
CN116699072A (zh) * | 2023-06-08 | 2023-09-05 | 东莞市华复实业有限公司 | 基于侦测巡航的环境预警方法 |
CN116735807A (zh) * | 2023-08-09 | 2023-09-12 | 山东优控智能技术有限公司 | 基于多传感器数据的空气质量检测评估方法 |
DE202023105203U1 (de) * | 2023-09-09 | 2023-09-20 | Vrushali Bahurupi | Überwachungssystem für nachhaltige Umwelt |
Non-Patent Citations (16)
Title |
---|
东莞市城市功能区噪声自动监测点位布设初探;吴对林;李美敏;陈丽华;罗晓虹;;中国环境监测(第04期);全文 * |
北京地区城市绿地内不同空气颗粒物质量浓度时间变化特征及相关性分析;刘秀萍;李新宇;赵松婷;王行;;北京农学院学报(第03期);全文 * |
厦门秋季近郊近地面CO_2浓度变化特征研究;李燕丽;穆超;邓君俊;赵淑惠;杜可;;环境科学(第05期);全文 * |
城市环境空气监测点位的设置探析;徐境;;科技创新与应用(第07期);全文 * |
基于云平台的空气质量监测***;李文豪;叶掌斌;郭辉;戴超;史新发;;电脑迷(第01期);全文 * |
基于某市空气质量监测数据的处理方法研究;邓琴;;科技创新导报(第23期);全文 * |
年产10万吨聚氯乙烯项目环境空气质量现状分析及评价;侯锦;;科技信息(第21期);全文 * |
应用BP神经网络实现环境监测的优化布点;彭荔红, 李祚泳;环境保护(第04期);全文 * |
江苏省环境空气质量趋势监测点的优选;张祥志, 张宁红, 司蔚;环境监测管理与技术(第03期);全文 * |
泉港石化工业区环境空气污染监控点选取研究与应用;庄杰平;;海峡科学(第06期);全文 * |
济南市空气质量实时监测信息***的开发;侯瑞莲;贾秋亭;祝洪杰;乔新晓;;山东轻工业学院学报(第04期);全文 * |
熵权物元分析法在地下水水质监测点优选中的应用;林鸿雁;张江山;温烨明;林少玲;;福建师范大学学报(自然科学版)(第01期);全文 * |
环境空气监测数据分析与处理技术研究;张静林;;环境与发展(第11期);全文 * |
甘茂林 ; 吕王勇 ; 符璐 ; .基于改进Moran's I指数的成都市PM_(2.5)的空间统计分析.环境科学与技术.2016,(第09期),全文. * |
试析大气环境监测布点的方法;焦勇霞;;环境与生活(第22期);全文 * |
运用机器学习方法预测空气中臭氧浓度;蔡旺华;;中国环境管理(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117129638A (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107918382B (zh) | 一种汽车故障诊断方法、汽车故障诊断装置及电子设备 | |
CN112684133B (zh) | 基于大数据平台的水质监测预警方法、***及存储介质 | |
CN105630682A (zh) | 移动终端自动收集及分析崩溃的***和方法 | |
CN111680855A (zh) | 一种项目全过程风险自动检测预警方法及*** | |
CN109857631A (zh) | 基于人工智能的代码覆盖率统计方法、装置、设备及存储介质 | |
CN103646057A (zh) | 垃圾文件分析方法、设备及垃圾文件清理方法 | |
CN117129638B (zh) | 一种区域空气环境质量监测方法及*** | |
CN106407246B (zh) | Sql执行计划管理的方法及装置 | |
CN111523815A (zh) | 一种电网工程评审方法、装置、电子设备和存储介质 | |
CN111090593A (zh) | 确定崩溃归属的方法、装置、电子设备及存储介质 | |
CN116228501B (zh) | 排污超标区域行业确定方法、装置、存储介质及电子设备 | |
CN112462132B (zh) | 一种谐波电流溯源方法及远距离输电电力运维监控平台 | |
CN105939364A (zh) | 一种智能的消息推送方法和*** | |
CN116011998B (zh) | 一种退役电池回收分类处理方法及装置 | |
CN111475405A (zh) | 回归测试的方法、装置、计算机设备及存储介质 | |
CN111026744A (zh) | 一种基于能源站***模型框架的数据治理方法及装置 | |
CN111143424A (zh) | 特征场景数据挖掘方法、装置和终端 | |
CN111314161B (zh) | 一种流量识别方法和装置 | |
CN110677310B (zh) | 流量归因方法、装置以及终端 | |
CN115408244A (zh) | 网页性能测试方法、装置、设备及存储介质 | |
CN113342430A (zh) | 故障码的处理方法、装置、终端设备及可读存储介质 | |
CN101882159A (zh) | 数据库的检测方法及装置 | |
CN109067726A (zh) | 建站***识别方法、装置、电子设备及存储介质 | |
CN117610895B (zh) | 重点污染源管控时间的确定方法、装置、电子设备及介质 | |
CN112527679A (zh) | 代码圈复杂度检测方法、装置及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |