环境监测站点的选址方法及系统技术方案

本发明专利技术提供的一种环境监测站点的选址方法，包括如下步骤：获取多个已建环境监测站的已建站选址点，以及这些已建站选址点各自的相关因素，相关因素中包括多种环境因素；使用机器学习的方式对相关因素进行筛选，得出已建站选址点和相关因素之间的关联度，再根据关联度得出关键环境因素；使用网格将待选址区域划分成多个子区域，通过机器学习的方式生成多个网格选址点；获取多个网格选址点各自的关键环境因素，通过深度学习的方式得出各网格选址点的选址评分；将选址评分最高的网格选址点定为目标选址点；本发明专利技术可以对环境监测站点起到指导作用；本发明专利技术还提供了一种环境监测站点的选址系统。

Site selection method and system of environmental monitoring station

【技术实现步骤摘要】
环境监测站点的选址方法及系统
本专利技术涉及环境监测
，具体涉及一种环境监测站点的选址方法及系统。
技术介绍
随着国民环境保护意识的逐步提升，近年来，国家环保机构对生态环境进行了大力整顿治理。在生态环境治理的过程中，首先需要对生态环境进行有效的监测，这样治理才有依据。目前的现状是，在国家层面，对环境监测站点的选址一般都是进行了充分的论证，比如国控站的选址。而在地方层面，基于专家对每个待选点都进行现场评估，其可操作性较低，加之论证过程较复杂，因而在地方层面，对环境监测站点的选址随意性较大，不能准确反映出该区域内的实际环境污染情况。所以，现在需要一种环境监测站点的选址方法和系统，可以结合现有国控站的选址，提取出相关数据，使用机器学习的方式，对这些数据进行挖掘分析，建立一个选址模型，对环境监测站点的选址起到指导作用。
技术实现思路
针对现有技术中的缺陷，本专利技术提供一种环境监测站点的选址方法和系统，以解决现有技术对环境监测站点的选址随意性较大，不能准确反映出该区域内的实际环境污染情况的技术问题。本专利技术采用的技术方案是，一种环境监测站点的选址方法，包括以下步骤：S1.获取多个已建环境监测站的已建站选址点，以及这些已建站选址点各自的相关因素，相关因素中包括多种环境因素；S2.使用机器学习的方式对相关因素进行筛选，得出已建站选址点和相关因素之间的关联度，再根据关联度得出关键环境因素；S3.使用网格将待选址区域划分成多个子区域，通过机器学习的方式生成多个网格选址点；S4.获取多个网格选址点各自的关键环境因素，通过深度学习的方式得出各网格选址点的选址评分；S5.将选址评分最高的网格选址点定为目标选址点。进一步的，在S2中使用机器学习的方式，包括关联规则算法或深度学习。进一步的，关联规则算法为Apriori算法，具体包括：S21.根据支持度，结合阈值，从相关因素找出频繁相关因素；S22.根据置信度，从频繁相关因素中找出关联度。进一步的，深度学习包括使用LSTM网络或Conv-LSTM网络进行训练。进一步的，在S3中使用机器学习的方式为决策树算法或随机森林算法。进一步的，决策树算法使用了蒙特卡洛关联搜索。进一步的，在S4中通过深度学习的方式包括使用LSTM网络或Conv-LSTM网络进行训练。进一步的，环境监测站点的选址方法，在步骤S5后还包括以下步骤：S6.人工对目标选址点进行数据标注，得到实际选址点；S7.以目标选址点以及其它环境因素作为输入，以实际选址点作为输出，使用深度学习的方式对目标选址模型进行训练；S8.训练收敛后形成实际选址模型，可用于后续实际选址。本专利技术还提供一种环境监测站点选址系统，包括：信息输入单元、筛选单元、区域划分单元、选址评分单元；信息输入单元用于输入信息，包括多个已建站选址点以及这些已建站选址点各自的相关因素，多个网格选址点各自的环境因素；筛选单元用于使用机器学习的方式对相关因素进行筛选，得出已建站选址点和相关因素之间的关联度；还用于根据关联度得出关键环境因素；区域划分单元用于对待选址区域进行划分，并通过机器学习的方式生成多个网格选址点；选址评分单元用于通过使用深度学习的方式计算出各网格选址点的选址评分。进一步的，环境监测站点的选址系统包括深度学习训练单元，深度学习训练单元用于对目标选址模型进行训练并形成实际选址模型。由上述技术方案可知，本专利技术的有益技术效果如下：1.将待选址区域进行划分成多个子区域，得出多个网格选址点，建立目标选址模型，得出每个网格选址点的选址评分，确定目标选址点。通过这种方式，杜绝了选址的随意性，能更为准确的反映出该区域内的实际环境污染情况。2.使用机器学习的方式，结合已建站选址点以及这些选址点的相关因素，可以得出环境监测站点选址的关键环境因素，比人工计算效果更好。3.通过机器学习的方式，使用决策树算法或随机森林算法生成多个网格选址点，可以实现根据已建站选址点，来最优的生成后续的几个、十几个、几十个选址点，而不需要对所有的子区域进行判定，简化运算效果。4.通过深度学习的方式，使用LSTM网络或Conv-LSTM网络进行训练得出各网格选址点的选址评分，就可以将某一个选址点先前一段时间内的关键环境因素连接到当前的选址任务上，将该选址点前面的环境因素信息进行记忆并应用于当前选址的评分计算中，能将时序上前后各时间点的关键环境因素关联起来进行一个综合评分，这样就可以得出一个更加客观、科学的评分分数。5.人工对目标选址点进行数据标注，完成校正后，再使用深度学习的方式，对目标选址模型进行训练，可以进一步优化选址效果。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。图1为本专利技术的方法流程图。图2为本专利技术的系统架构框图。具体实施方式下面将结合附图对本专利技术技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，因此只作为示例，而不能以此来限制本专利技术的保护范围。需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本专利技术所属领域技术人员所理解的通常意义。实施例1如图1所示，本专利技术提供一种环境监测站点的选址方法，包括以下步骤：S1.获取多个已建环境监测站的已建站选址点，以及这些已建站选址点各自的相关因素，相关因素中包括多种环境因素；S2.使用机器学习的方式对相关因素进行筛选，得出已建站选址点和相关因素之间的关联度，再根据关联度得出关键环境因素；S3.使用网格将待选址区域划分成多个子区域，通过机器学习的方式生成多个网格选址点；S4.获取多个网格选址点各自的关键环境因素，通过深度学习的方式得出各网格选址点的选址评分；S5.将选址评分最高的网格选址点定为目标选址点。以下对实施例1的工作原理进行详细说明：本专利技术一种环境监测站点的选址方法，按以下步骤实现：1.获取已建成监测站的数据因我国地大物博，各个省、市、自治区的实际生态环境情况不一样，所以某一个区域因为要新建环境监测站而进行选址的，首先获取该区域内已经建设好的环境监测站的地点。已建好的环境监测站点，包括国控站、省控站、移动监测站等。在本实施例中，将这些地点定义为已建站选址点。为保证数据分析的有效性，已建站选址点应为多个，在本实施例中，可选四川省300个国控站、省控站的地点设为已建站选址点。然后从四川省人民政府相关行政管理部门，获取这些已建站选址点各自的相关因素，相关因素包括这些已建站选址点周边各种环境因素，比如交通因素、人口流动因素、气象因素、本文档来自技高网...

【技术保护点】
1.一种环境监测站点的选址方法，其特征在于，包括以下步骤：/nS1.获取多个已建环境监测站的已建站选址点，以及这些已建站选址点各自的相关因素，所述相关因素中包括多种环境因素；/nS2.使用机器学习的方式对相关因素进行筛选，得出已建站选址点和相关因素之间的关联度，再根据关联度得出关键环境因素；/nS3.使用网格将待选址区域划分成多个子区域，通过机器学习的方式生成多个网格选址点；/nS4.获取多个网格选址点各自的关键环境因素，通过深度学习的方式得出各网格选址点的选址评分；/nS5.将选址评分最高的网格选址点定为目标选址点。/n

【技术特征摘要】
1.一种环境监测站点的选址方法，其特征在于，包括以下步骤：
S1.获取多个已建环境监测站的已建站选址点，以及这些已建站选址点各自的相关因素，所述相关因素中包括多种环境因素；
S2.使用机器学习的方式对相关因素进行筛选，得出已建站选址点和相关因素之间的关联度，再根据关联度得出关键环境因素；
S3.使用网格将待选址区域划分成多个子区域，通过机器学习的方式生成多个网格选址点；
S4.获取多个网格选址点各自的关键环境因素，通过深度学习的方式得出各网格选址点的选址评分；
S5.将选址评分最高的网格选址点定为目标选址点。


2.根据权力要求1所述一种环境监测站点的选址方法，其特征在于：在S2中所述使用机器学习的方式，包括关联规则算法或深度学习。


3.根据权力要求2所述一种环境监测站点的选址方法，其特征在于，所述关联规则算法为Apriori算法，具体包括：
S21.根据支持度，结合阈值，从相关因素找出频繁相关因素；
S22.根据置信度，从频繁相关因素中找出关联度。


4.根据权力要求2所述一种环境监测站点的选址方法，其特征在于：所述深度学习包括使用LSTM网络或Conv-LSTM网络进行训练。


5.根据权力要求1所述一种环境监测站点的选址方法，其特征在于：在S3中所述使用机器学习的方式为决策树算法或随机森林算法。


6.根据权力要求5所述一种环境监测站点的选址方法，其特征在于：...

【专利技术属性】
技术研发人员：谢国锦，谢国宇，刘仲阳，
申请(专利权)人：谢国宇，刘仲阳，
类型：发明
国别省市：四川;51