The invention provides an air quality forecasting system, including: environmental quality detection sensor configuration in pollution source, used to collect air monitoring data, and the data processing platform of collected air monitoring data to the cloud computing; cloud computing data processing platform for receiving the air monitoring data; the prediction model of resources the distribution of neural network and smooth support vector regression based on the monitored air quality, regional air quality forecast, the monitoring stations of air quality forecast data, and the predicted data pushed to the intelligent terminal related to air quality; according to the forecast data of air monitoring data of pollution sources and the monitoring stations of air quality the Gauss point source diffusion model of pollution source monitoring data and air quality monitoring sites between the predicted data phase To make visual display.
【技术实现步骤摘要】
空气质量预报系统
本申请涉及环境质量监测
,尤其涉及空气质量预报系统。
技术介绍
随着工业化的不断发展,环境污染也日趋严重,空气中的细颗粒物(PM2.5)浓度越来越高,全国多个城市雾霾频发,公众对于空气质量的关注度不断提升,而目前许多城市的环境空气监测中心站点较少,加之信息化水平不够发达,难以满足公众详细了解空气质量状况的需求。大量增加空气监测站点部署、广泛开展空气质量监测的重要性日益突出,而一套传统的空气质量监测仪器的价格非常昂贵,建设更多的环境监测站点需要巨大的资金投入,成本太高。空气质量预测领域中常用的有统计预报方法,根据常年监测数据,建立统计预报模型,模型简单,业务运行方便,但缺乏坚实的物理基础;另有一基于大气物理学和物质输运模型的数值预报模型,虽然物理基础坚实,预报结果全面,但模式所需要的边界、初始条件不易给出,预报结果精度不很高。
技术实现思路
为克服相关技术中存在的问题,本申请提供了一种空气质量预报系统。根据本申请实施例的第一方面,提供一种空气质量预报系统,包括:环境质量检测传感器,配置在污染源处,用于采集空气监测数据,并将所采集的空气监测数据传输至云计算数据处理平台;云计算数据处理平台,用于:接收所述空气监测数据;采用基于资源分配神经网络和光滑支持向量回归机的空气质量预测模型,对被监测区域的空气质量进行预测,获得各监测站点的空气质量预测数据,并将空气质量预测数据推送给关联的智能终端;根据污染源的空气监测数据和各监测站点的空气质量预测数据,利用高斯点源扩散模型计算污染源的空气监测数据与监测站点的空气质量预测数据之间的相关性,并进行可视化展示 ...
【技术保护点】
一种空气质量预报系统,其特征在于,包括:环境质量检测传感器,配置在污染源处,用于采集空气监测数据,并将所采集的空气监测数据传输至云计算数据处理平台;云计算数据处理平台,用于:接收所述空气监测数据;采用基于资源分配神经网络和光滑支持向量回归机的空气质量预测模型,对被监测区域的空气质量进行预测,获得各监测站点的空气质量预测数据,并将空气质量预测数据推送给关联的智能终端;根据污染源的空气监测数据和各监测站点的空气质量预测数据,利用高斯点源扩散模型计算污染源的空气监测数据与监测站点的空气质量预测数据之间的相关性,并进行可视化展示。
【技术特征摘要】
1.一种空气质量预报系统,其特征在于,包括:环境质量检测传感器,配置在污染源处,用于采集空气监测数据,并将所采集的空气监测数据传输至云计算数据处理平台;云计算数据处理平台,用于:接收所述空气监测数据;采用基于资源分配神经网络和光滑支持向量回归机的空气质量预测模型,对被监测区域的空气质量进行预测,获得各监测站点的空气质量预测数据,并将空气质量预测数据推送给关联的智能终端;根据污染源的空气监测数据和各监测站点的空气质量预测数据,利用高斯点源扩散模型计算污染源的空气监测数据与监测站点的空气质量预测数据之间的相关性,并进行可视化展示。2.根据权利要求1所述的方法,其特征在于,所述空气质量预测模型中,通过资源分配网络以及多项式光滑支持向量回归机模型训练得到;其中,所述资源分配网络的网络结构包括输入层、隐含层和输出层;采用径向基函数作为隐含层神经元节点的基,构成隐含层;将输入层矢量直接映射到隐含层;隐层到输出层的映射为线性映射;采用多项式光滑支持向量回归机模型作为目标函数,无约束最优化回归问题模型为:。3.根据权利要求2所述的方法,其特征在于,所述隐含层中的神经元节点的激励函数采用径向基函数,采用高斯函数,对于第J个神经元节点,其局部映射输出通过下式表示:。4.根据权利要求2所述的方法,其特征在于,所述空气质量预测模型的输入数据为所述空气监测数据,所述空气质量预测模型的输出数据为空气质量预测数据,所述空气质量预测模型的输出数据通过下式计算得到:。5.根据权利要求3所述的方法,其特征在于,所述资源分配网络在训练过程中通过神经元节点分配策略和参数调节策略来动态生成隐层结合和调节网络结构的相关参数;所述神经元节点分配策略通过检查训练样本对集,判断是否满足新颖性条件来动态分配一个神经元节点,参数调节策略通过调节网络参数而提高网络精度。6.根据权利要求2所述的方法,其特征...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。