一种空气污染智能监控分析方法及装置制造方法及图纸

本发明专利技术实施例涉及一种空气污染智能监控分析方法及装置。其中，该方法包括：通过获取监测区域的空气质量数据，其中，空气质量数据包括监测区域对应的地面空气质量数据以及监测区域中的空气传感器采集的N种成分数据，将空气质量数据输入至污染分析模型，其中，污染分析模型是预先根据地面空气质量数据以及N种成分数据训练得到的；根据污染分析模型的输出结果判断监测区域的空气质量数据是否存在异常，进而解决了由于相关技术中空气质量检测容易受到人为干预，而导致监测结果不准确的技术问题。

【技术实现步骤摘要】
一种空气污染智能监控分析方法及装置
本专利技术涉及空气污染监控领域，具体涉及一种空气污染智能监控分析方法及装置。
技术介绍
近年来各地对空气污染指数的重视程度日益加强，在环境治理的正常途径外，部分地区也出现了对空气质量检测站的数据进行“造假”的行为。各地均有如给空气采样器罩上棉絮或口罩，在监测站旁拦阻大型车辆进行清洗，使用雾化炮对监测点进行人为喷射净化空气等措施。这些行为使多达1400余个空气质量检测国控网点的数据产生较大的误差，破坏了整体系统的可靠性。而由于这些行为较少破坏空气检测站实体，数据生成的过程均显示正常，很难对这类造假行为进行全面有效的发现，而对周边环境的24小时实时人工监控成本过高，也很难落实。环境保护卫星使用的气溶胶光学厚度测量法和痕量气体定量遥感法等方法可以有效的分析地面附近的空气质量，并对污染物类型(如灰霾、污染气体、温室气体等)进行一定程度的定量判别。气溶胶光学厚度测量法测的是气溶胶光学厚度值，气溶胶光学厚度定义为介质的消光系数在垂直方向上的积分，是描述气溶胶对光的削减作用的。气溶胶光学厚度表征大气浑浊程度，气溶胶光学厚度值预示着气溶胶纵向积累的增长，因此导致了大气能见度的降低，气溶胶光学厚度值越高，能见度越低，则空气污染越严重。由于卫星监测覆盖范围广，数据造假的难度和成本极高，且数据源头单一，目前可认为是当前置信度最高的环境监测方式。但是卫星监测的主要问题是由于卫星连续运动和扫描轨迹变化的因素，无法对全部地区进行连续的数据监测，故对于某一特定地区的数据均呈非连续监测状态。空气质量监测国控网点的数据容易在本地产生“人造”误差，但是空气质量监测国控网点的数据连续，采集数据密度大。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种空气污染智能监控分析方法及装置，以至少解决由于相关技术中空气质量检测容易受到人为干预，而导致监测结果不准确的技术问题。根据本专利技术实施例的一个方面，提供了一种空气污染智能监控分析方法，包括：获取监测区域的空气质量数据，其中，所述空气质量数据包括所述监测区域对应的地面空气质量数据以及所述监测区域中的空气传感器采集的N种成分数据，其中，N为正整数；将所述空气质量数据输入至污染分析模型，其中，所述污染分析模型是预先根据地面空气质量数据以及N种成分数据训练得到的；根据所述污染分析模型的输出结果判断所述监测区域的空气质量数据是否存在异常。进一步地，所述污染分析模型是预先根据空气质量训练数据训练得到的包括：按照预设采样时间间隔采集样本区域对应的地面空气质量样本数据和N种成分样本数据；根据所述空气质量样本数据确定所述样本区域的空气质量标签；根据采样时间将所述空气质量标签以及所述N种成分样本数据构建空气质量数据集。进一步地，根据所述空气质量样本数据确定所述样本区域的空气质量标签包括：获取空气质量样本数据中的气溶胶光学厚度和痕量气体定量遥感参数；根据所述气溶胶光学厚度和痕量气体定量确定对应的空气质量标签。进一步地，根据采样时间将所述空气质量标签以及所述N种成分样本数据构建空气质量数据集包括：根据主成分分析法对所述空气质量标签对应的N种成分样本数据进行降维，以得到所述空气质量数据集。进一步地，在根据采样时间将所述空气质量标签以及所述N种成分样本数据构建空气质量数据集之后，还包括：将预设时间段内采集到的所述空气质量数据集划分为训练样本和测试样本；根据所述训练样本测试所述空气污染分析模型中的模型参数；根据所述测试样本验证所述空气污染分析模型的准确性。进一步地，根据所述污染分析模型的输出结果判断所述监测区域的空气质量数据是否存在异常包括：在所述监测区域的空气质量数据存在异常的情况下，分别对所述N种成分数据中的采样时长与所对应的预设异常时长阈值进行比较；在所述成分数据的采样时长大于所述预设异常时长阈值的情况下，则确定所述成分数据为异常数据。进一步地，在确定所述成分数据为异常数据之后，还包括：在确定所述成分数据为异常数据的情况下，获取所述异常数据的采样时间，以及获取用于采集所述异常数据的传感器的位置信息；对所述采样时间所在的时间段内的N种成分数据进行分析。根据本专利技术实施例的另一方面，还提供了一种空气污染监控分析装置，包括：获取单元，用于获取监测区域的空气质量数据，其中，所述空气质量数据包括所述监测区域对应的地面空气质量数据以及所述监测区域中的空气传感器采集的N种成分数据，其中，N为正整数；处理单元，用于将所述空气质量数据输入至污染分析模型，其中，所述污染分析模型是预先根据地面空气质量数据以及N种成分数据训练得到的；判断单元，用于根据所述污染分析模型的输出结果判断所述监测区域的空气质量数据是否存在异常。根据本专利技术实施例的另一方面，还提供了一种存储介质，所述存储介质包括存储的程序，其中，所述程序运行时执行如上所述的空气污染智能监控分析方法。根据本专利技术实施例的另一方面，还提供了一种电子装置，包括存储器、处理器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，所述处理器通过所述计算机程序执行如上所述的空气污染智能监控分析方法。在本专利技术实施例中，通过获取监测区域的空气质量数据，其中，空气质量数据包括监测区域对应的地面空气质量数据以及监测区域中的空气传感器采集的N种成分数据，将空气质量数据输入至污染分析模型，其中，污染分析模型是预先根据地面空气质量数据以及N种成分数据训练得到的；根据污染分析模型的输出结果判断监测区域的空气质量数据是否存在异常，达到了将卫星采集的地面空气质量数据以及监测区域的地面空气传感器采集的成分数据相结合的目的，从而实现了空气质量监测结果更准确的技术效果。进而解决了由于相关技术中空气质量检测容易受到人为干预，而导致监测结果不准确的技术问题。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是根据本专利技术实施例的一种可选的空气污染智能监控分析方法的示意图；图2是根据本专利技术实施例的一种可选的空气污染智能监控分析装置的示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。实施例1根据本专利技术实施例，提供了一种空气污染智能监控分本文档来自技高网...

【技术保护点】
1.一种空气污染智能监控分析方法，其特征在于，包括：/n获取监测区域的空气质量数据，其中，所述空气质量数据包括所述监测区域对应的地面空气质量数据以及所述监测区域中的空气传感器采集的N种成分数据，其中，N为正整数；/n将所述空气质量数据输入至污染分析模型，其中，所述污染分析模型是预先根据地面空气质量数据以及N种成分数据训练得到的；/n根据所述污染分析模型的输出结果判断所述监测区域的空气质量数据是否存在异常。/n

【技术特征摘要】
1.一种空气污染智能监控分析方法，其特征在于，包括：
获取监测区域的空气质量数据，其中，所述空气质量数据包括所述监测区域对应的地面空气质量数据以及所述监测区域中的空气传感器采集的N种成分数据，其中，N为正整数；
将所述空气质量数据输入至污染分析模型，其中，所述污染分析模型是预先根据地面空气质量数据以及N种成分数据训练得到的；
根据所述污染分析模型的输出结果判断所述监测区域的空气质量数据是否存在异常。


2.根据权利要求1所述的方法，其特征在于，所述污染分析模型是预先根据空气质量训练数据训练得到的包括：
按照预设采样时间间隔采集样本区域对应的地面空气质量样本数据和N种成分样本数据；
根据所述空气质量样本数据确定所述样本区域的空气质量标签；
根据采样时间将所述空气质量标签以及所述N种成分样本数据构建空气质量数据集。


3.根据权利要求2所述的方法，其特征在于，根据所述空气质量样本数据确定所述样本区域的空气质量标签包括：
获取空气质量样本数据中的气溶胶光学厚度和痕量气体定量遥感参数；
根据所述气溶胶光学厚度和痕量气体定量确定对应的空气质量标签。


4.根据权利要求2所述的方法，其特征在于，根据采样时间将所述空气质量标签以及所述N种成分样本数据构建空气质量数据集包括：
根据主成分分析法对所述空气质量标签对应的N种成分样本数据进行降维，以得到所述空气质量数据集。


5.根据权利要求4所述的方法，其特征在于，在根据采样时间将所述空气质量标签以及所述N种成分样本数据构建空气质量数据集之后，还包括：
将预设时间段内采集到的所述空气质量数据集划分为训练样本和测试样本；
根据所述训练样本测试所述空气污染分析模型中的模型参数；

【专利技术属性】
技术研发人员：张列宇，刘耕远，李国文，车璐璐，李晓光，黎佳茜，赵琛，李伟，
申请(专利权)人：中国环境科学研究院，
类型：发明
国别省市：北京;11