用于生态环境监测的时空域模型建模方法及系统技术方案

本发明专利技术提供一种用于生态环境监测的时空域模型建模方法，包括以下步骤：S1.定时采集污染物数据，得到多个数据帧；S2.按时间先后顺序，把多个数据帧使用空间叠加的方式进行叠加，得到时空域数据结构；S3.以时空域数据的变化作为特征量对时空域数据结构进行特征提取，得到不含空值的数据结构；S4.将不含空值的数据结构使用数据降维方法进行降维处理，得到时空域模型；S5.将稀疏监测数据输入到时空域模型中转换成稠密数据，作为深度学习训练的输入。本发明专利技术还提供一种用于生态环境监测的时空域模型建模系统，包括：数据输入单元、数据叠加单元、数据特征提取单元、数据降维处理单元。

Spatiotemporal modeling method and system for ecological environment monitoring

【技术实现步骤摘要】
用于生态环境监测的时空域模型建模方法及系统
本专利技术涉及用于预测目的数据处理方法及数据处理系统，具体涉及一种用于生态环境监测的时空域模型建模方法及系统。
技术介绍
对生态环境进行监测，可以得到一系列监测数据，这些数据可以用于环境保护的分析、预测、治理。目前，对于环境保护领域的生态环境监测数据，已经开始启用深度学习的方法对数据进行分析，但深度学习需要大数据作为支撑，当遇到稀疏数据时其训练模型很难收敛。而在环境保护领域，关于生态环境的监测数据，相当一部分数据都是离散的、稀疏的；比如，对于大气污染物，可能随机出现，出现后又可能很快消失。这样这些离散的、稀疏的数据，就不能成为适用于深度学习的输入训练集。
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用于生态环境监测的时空域模型及建模方法，通过该模型将监测数据转换成有序、稠密的数据，能提供给深度学习进行训练，以解决现有技术在环境保护领域，生态环境监测数据离散、稀疏，不能成为适用于深度学习输入训练集的技术问题。本专利技术采用的技术方案是，一种用于生态环境监测的时空域模本文档来自技高网...

【技术保护点】
1.一种用于生态环境监测的时空域模型建模方法，其特征在于，包括以下步骤：/nS1.定时采集污染物数据，得到多个数据帧；/nS2.按时间先后顺序，把多个数据帧使用空间叠加的方式进行叠加，得到时空域数据结构；/nS3.以时空域数据的变化作为特征量对时空域数据结构进行特征提取，得到不含空值的数据结构；/nS4.将不含空值的数据结构使用数据降维的方法进行降维处理，得到时空域模型；/nS5.将稀疏监测数据输入到时空域模型中，通过时空域模型将监测数据转换成稠密数据，作为深度学习训练的输入。/n

【技术特征摘要】
1.一种用于生态环境监测的时空域模型建模方法，其特征在于，包括以下步骤：
S1.定时采集污染物数据，得到多个数据帧；
S2.按时间先后顺序，把多个数据帧使用空间叠加的方式进行叠加，得到时空域数据结构；
S3.以时空域数据的变化作为特征量对时空域数据结构进行特征提取，得到不含空值的数据结构；
S4.将不含空值的数据结构使用数据降维的方法进行降维处理，得到时空域模型；
S5.将稀疏监测数据输入到时空域模型中，通过时空域模型将监测数据转换成稠密数据，作为深度学习训练的输入。


2.根据权利要求1所述一种用于生态环境监测的时空域模型建模方法，其特征在于：在S4中所述的数据降维方法为PCA算法，所述PCA算法选取在投影维度上数据方差最大的维度进行投影。


3.根据权利要求1所述一种用于生态环境监测的时空域模型建模方法，其特征在于：在S4中所述的数据降维方法为拉普拉斯特征映射算法，所述拉普拉斯特征映射算法通过数据向量的局部角度构建数据之间的关系实现数据降维。


4.根据权利要求3所述一种用于生态环境监测的时空域模型建模方法，其特征在于：所述拉普拉斯特征映射算法具体包括以下步骤：
S41.使用KNN算法将所有的点构建成为一个图，将每个点和最近的K个点进行连接；
S42.根据各个点之间的连接情况确定各个点与点之间的权重大小；
S43.使用拉普拉斯变换，将非0的权重对应点的数据向量作为降维后的输出...

【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