一种基于大数据模型的餐饮油烟预测方法技术

本发明专利技术提出了一种基于大数据模型的餐饮油烟预测方法，该方法包括以下步骤：S1，获取待处理数据，将获取的待处理数据形成待处理数据库；S2，对待处理数据库中的数据进行粗筛选和精筛选，将筛选出的异常数据排除于待处理数据库；得到处理数据库；S3，将处理数据库中的数据划分为M个训练集和N个测试集；所述M、N为大于或者等于1的正整数，将M个训练集中的数据依次加载到原始学习模型中进行训练，获得目标学习模型；S4，将采集的数据输入目标学习模型中得到油烟预测值。本发明专利技术能够对餐饮行业使用的水电气等数据通过目标学习模型得到餐饮用油量，进而对油烟进行预测。

A prediction method of cooking fume based on big data model

【技术实现步骤摘要】
一种基于大数据模型的餐饮油烟预测方法
本专利技术涉及一种大数据
，特别是涉及一种基于大数据模型的餐饮油烟预测方法。
技术介绍
餐饮业产生的大气污染物以油烟气的形式排入环境，根据其形态一般可分为颗粒物质和气体物质两类。其中，油烟颗粒物主要来源于烹饪过程中油脂的挥发凝结以及油脂食材的分解、裂解等，统称油烟；气体物质主要指挥发性有机物，即VOCs，可促进大气OH自由基、O3和二次有机气溶胶的生成，从而导致光化学烟雾污染事件的发生。同时，餐饮油烟排放口VOCs的浓度可达环境背景值的2～9倍，说明餐饮油烟VOCs浓度较高，严重影响周围环境，餐饮油烟排放VOCs还是油烟产生强烈刺激气味的主要原因，对周边居民生活产生直接干扰。为了能较为全面、直接的摸清区域内餐饮行业基本情况，了解污染源的数量、结构和分布状况，专项调查是常用、有效的方式，但是也存在以下几点问题：(1)人力、物力、财力消耗大以专项调查的方式进行全方位摸索，所耗人力、物力、财力巨大，时间周期也相对较长，比如：我们要通过排放因子法计算该餐饮单位的VOCs排放量，必须先获本文档来自技高网...

【技术保护点】
1.一种基于大数据模型的餐饮油烟预测方法，其特征在于，包括以下步骤：/nS1，获取待处理数据，将获取的待处理数据形成待处理数据库；/nS2，对待处理数据库中的数据进行粗筛选和精筛选，将筛选出的异常数据排除于待处理数据库；得到处理数据库；/nS3，将处理数据库中的数据划分为M个训练集和N个测试集；所述M、N为大于或者等于1的正整数，将M个训练集中的数据依次加载到原始学习模型中进行训练，获得目标学习模型；/nS4，将采集的数据输入目标学习模型中得到油烟预测值。/n

【技术特征摘要】
1.一种基于大数据模型的餐饮油烟预测方法，其特征在于，包括以下步骤：
S1，获取待处理数据，将获取的待处理数据形成待处理数据库；
S2，对待处理数据库中的数据进行粗筛选和精筛选，将筛选出的异常数据排除于待处理数据库；得到处理数据库；
S3，将处理数据库中的数据划分为M个训练集和N个测试集；所述M、N为大于或者等于1的正整数，将M个训练集中的数据依次加载到原始学习模型中进行训练，获得目标学习模型；
S4，将采集的数据输入目标学习模型中得到油烟预测值。


2.根据权利要求1所述的基于大数据模型的餐饮油烟预测方法，其特征在于，在步骤S2中，数据粗筛方法为：



其中，∑-1表示∑的逆矩阵，|∑|表示协方差矩阵的行列式值，μ表示方差；X＝x1,x2,x3,…,xk；(X-μ)T为(X-μ)的转置矩阵；
exp(Q)表示以自然底数e为底数，Q为指数的指数函数；
xl表示在定量化数据库中，数据类型序号排序为l的数据；所述l为小于或者等于k的正整数；



其中，p为预设异常数据阈值；
不满足不等式的数据列为异常数据点，将异常数据排除于待处理数据库。


3.根据权利要求2所述的基于大数据模型的餐饮油烟预测方法，其特征在于，在步骤S2中，数据精筛的方法为：
S21，解析定量化数据库中的数据文件；
S22，计算每个点与其他所有点之间的欧几里德距离，计算每个点的k-距离值；
S23，对所有点的k-距离集合进行升序排序，输出排序后的k-距离值；
S24，将所有点的k-距离值，在Excel中用散点图显示k-距离变化趋势；
S25，根据散点图确定半径Eps的值；
S26，根据给定最少点的数量MinPts，以及半径Eps的值，计算所有核心点，并建立核心点与到核心点距离小于半径Eps的点的映射；
S27，根据得到的核心点集合，以及半径Eps的值，计算能够连通的核心点，得到噪声...

【专利技术属性】
技术研发人员：王尧，杨志臻，肖彦，汪洋，冯伟，唐牧辰，柯安，江伟，
申请(专利权)人：重庆港力环保股份有限公司，重庆市渝中区生态环境监测站，
类型：发明
国别省市：重庆;50