生态环境数据质量控制方法技术

本发明专利技术提供一种生态环境数据质量控制方法，包括以下步骤采集生态环境监测数据，得到原始监测数据；使用训练好的LSTM神经网络作为分类器，对原始监测数据进行分类，得到生态环境监测质控数据。LSTM神经网络分类器的训练过程如下，将某一类指标在某一个时间点测得的原始监测数据作为神经网络的输入，将自动标注得到的标注数据作为神经网络的输出；使用贝叶斯优化的方式进行自动调参。本发明专利技术可以解决现有技术中存在的在对生态环境监测时，从监测站点直接获取的原始监测数据，数据的真实性相对较低、质量不高的技术问题。

【技术实现步骤摘要】
生态环境数据质量控制方法
本专利技术涉及数据处理方法
，具体涉及一种生态环境数据质量控制方法。
技术介绍
2016年3月，我国环保部发布了《生态环境大数据建设总体方案》，为环保系统开展生态环境大数据建设提供了强有力的政策支撑和技术框架。目前在对生态环境的监督管理中，大数据技术已经逐步体现出了优势。因为对生态环境的污染，其产生的原因会受到多方面的影响；环境污染涉及的过程复杂，污染成因多样化，影响污染的因素多，各种因素之间又存在相互重叠、相互交叉。因此，仅仅靠传统单因素分析的方法，采用单独或分类治理的方案，不能解决生态环境污染的根本问题。这样就需要通过采用多元数据同化、多尺度数据耦合等大数据技术，对各种生态环境的污染及其相关数据进行多因素融合分析，更为及时准确的发现产生各种生态环境污染问题的根源。但是在实际运用中，生态环境大数据却具有相对较高的不确定性，从监测站点直接获取的原始监测数据，其真实性相对较低，质量不高。这是因为从数据的真实性来看，虽然应用于生态环境监测领域的各种传感器监测精度都很高，但这些仪器往往会顺带记录大量的周边环境数本文档来自技高网...

【技术保护点】
1.一种生态环境数据质量控制方法，其特征在于，包括以下步骤：/n采集生态环境监测数据，得到原始监测数据；/n使用训练好的LSTM神经网络作为分类器，对原始监测数据进行分类，得到生态环境监测质控数据。/n

【技术特征摘要】
1.一种生态环境数据质量控制方法，其特征在于，包括以下步骤：
采集生态环境监测数据，得到原始监测数据；
使用训练好的LSTM神经网络作为分类器，对原始监测数据进行分类，得到生态环境监测质控数据。


2.根据权利要求1所述的生态环境数据质量控制方法，其特征在于：所述生态环境监测数据包括水质监测数据、空气质量监测数据、土壤监测数据、固体废物监测数据、微生物监测数据、噪声监测数据、电磁辐射监测数据、放射性监测数据、热监测数据、光监测数据。


3.根据权利要求2所述的生态环境数据质量控制方法，其特征在于：所述水质监测数据包括酸碱度、重金属、阴离子表面活性剂。


4.根据权利要求2所述的生态环境数据质量控制方法，其特征在于：所述空气质量监测数据包括PM2.5、PM10、一氧化碳、氮氧化物、二氧化硫、臭氧。


5.根据权利要求2所述的生态环境数据质量控制方法，其特征在于：所述噪声监测数据包括噪声值、监测时段。


6.根据权利要求1所述的生态环境数据质量控制方法，其特征在于：所述LSTM神经网络的训练过程如下：
将原始监测数据作为神经网络的输入，将标注数据作为神经网络的输出；
使用贝叶斯优化的方式进行自动调参。


7.根据权利要求6所述的生态环境数据质量控制方法，其特征在于，所述使用贝叶斯优化的方式进行自动调参，具体如下：
选取并设定需优化的超参...

【专利技术属性】
技术研发人员：李翔，翟世明，刘子健，阎静，
申请(专利权)人：四川省成都生态环境监测中心站，
类型：发明
国别省市：四川;51