气体浓度识别方法、系统、电子设备及存储介质技术方案

本申请公开了一种气体浓度识别方法、系统、电子设备及存储介质，涉及气体识别技术领域。通过获取气体样本数据集，气体样本数据集包括浓度等级标签，对气体样本数据集进行预处理得到气体处理数据集，根据气体处理数据集进行训练得到气体分类模型，该气体分类模型为KNN模型，通过气体分类模型对待测气体数据进行预测分类，得到标识待测气体数据的浓度等级的标准浓度等级标签，能够通过机器学习的方式对气体浓度进行等级划分，减少人为主观的参与，提高对气体浓度识别的准确率。

【技术实现步骤摘要】
气体浓度识别方法、系统、电子设备及存储介质
本申请涉及气体识别
，尤其是涉及一种气体浓度识别方法、系统、电子设备及存储介质。
技术介绍
城市污水处理厂排放的恶臭气体属于一类污染物，是影响大气质量的主要原因。目前，通过有效的除臭技术限制恶臭气体排放的方法没有引起企业和科学家的重视。臭气浓度作为人群感官性指标，在大气污染标准控制项目中占有比较重要的地位，因此需要对臭气浓度进行评测，以确定是否符合大气污染标准。但是目前对臭气综合浓度的识别方法存在一定的局限性，例如其中一种方式为由专门的臭气评价师通过人体嗅觉的方式对臭气综合浓度进行划分，但是由于臭气属于有害气体，这种采用人体嗅觉来划分臭气综合浓度的方式，对人体存在较大危害；而另外一种臭气浓度划分方式则是对多种气体浓度直接进行测定，然后再对臭气综合浓度进行划分，其测定成本较高并且由于需要人力进行臭气综合浓度划分，存在一定的主观性，影响浓度测定的准确率。
技术实现思路
本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种气体浓度识别方法，能够通过机器学习的方式对气体浓度进行等级划分，减少人为主观的参与，提高对气体浓度识别的准确率。本申请还提出一种具有上述气体浓度识别方法的气体浓度识别系统。本申请还提出一种具有上述气体浓度识别方法的电子设备。本申请还提出一种具有上述气体浓度识别方法的计算机可读存储介质。根据本申请的第一方面实施例的气体浓度识别方法，包括：获取气体样本数据集，所述气体样本数据集包括浓度等级标签；对所述气体样本数据集进行预处理得到气体处理数据集；根据所述气体处理数据集进行分类学习得到具有最优模型参数的气体分类模型，所述气体分类模型为KNN模型；通过所述气体分类模型对待测气体数据进行预测分类，得到所述待测气体数据的标准浓度等级标签，所述标准浓度等级标签用于标识所述待测气体数据的浓度等级。根据本申请实施例的气体浓度识别方法，至少具有如下有益效果：通过获取气体样本数据集，气体样本数据集包括浓度等级标签，对气体样本数据集进行预处理得到气体处理数据集，根据气体处理数据集进行训练得到气体分类模型，该气体分类模型为KNN模型，通过气体分类模型对待测气体数据进行预测分类，得到标识待测气体数据的浓度等级的标准浓度等级标签，能够通过机器学习的方式对气体浓度进行等级划分，减少人为主观的参与，提高对气体浓度识别的准确率。根据本申请的一些实施例，获取多个预设模型参数；所述根据所述气体处理数据集进行训练得到具有最优模型参数的气体分类模型，包括：获取多个预设模型参数；根据所述多个预设模型参数从所述气体处理数据集中选取多个训练样本集；遍历计算所述气体处理数据集中的每一训练数据与所述多个训练样本集，得到多个平均距离参数；选取最小平均距离参数所对应的预设模型参数作为所述气体分类模型的最优模型参数。根据本申请的一些实施例，还包括：从所述气体处理数据集中获取验证样本数据集和测试样本数据集；计算所述验证样本数据集和所述测试样本数据集的距离参数；根据所述最优模型参数和多个所述距离参数获取对应的测试样本数据集和所述测试样本数据集的多个浓度等级标签；根据所述多个浓度等级标签和所述验证样本数据集获取所述气体分类模型的识别准确率。根据本申请的一些实施例，还包括：根据所述识别准确率对所述最优模型参数进行调整。根据本申请的一些实施例，所述通过所述气体分类模型对待测气体数据进行预测分类，得到所述待测气体数据的标准浓度等级标签，包括：获取测试样本数据集，所述测试样本数据集包括多个测试样本数据和多个浓度等级标签；计算所述待测气体数据和所述测试样本数据集的多个距离参数；根据所述多个距离参数和所述最优模型参数获取对应的所述测试样本数据和对应的浓度等级标签；根据所述多个浓度等级标签确定所述待测气体数据的标准浓度等级标签。根据本申请的一些实施例，所述计算所述待测气体数据和所述测试样本数据集的多个距离参数，包括：获取所述待测气体数据的待测特征参数，获取所述测试样本数据集的样本特征参数；根据所述待测特征参数和所述样本特征参数计算得到所述距离参数。根据本申请的一些实施例，所述对所述气体样本数据集进行预处理得到气体处理数据，包括：根据预设的无用特征获取所述气体样本数据集中的无用数据；移除所述无用数据得到所述气体处理数据集。根据本申请的第二方面实施例的气体浓度识别系统，包括：获取模块，所述获取模块用于获取气体样本数据集，所述气体样本数据集包括浓度等级标签；预处理模块，所述预处理模块用于对所述气体样本数据集进行预处理得到气体处理数据集；建模模块，所述建模模块用于根据所述气体处理数据集进行分类学习得到具有最优模型参数的气体分类模型，所述气体分类模型为KNN模型；分类模块，所述分类模块用于通过所述气体分类模型对待测气体数据进行预测分类，得到所述待测气体数据的标准浓度等级标签，所述标准浓度等级标签用于标识所述待测气体数据的浓度等级。根据本申请实施例的气体浓度识别系统，至少具有如下有益效果：通过获取模块100获取气体样本数据集，气体样本数据集包括浓度等级标签，预处理模块200对气体样本数据集进行预处理得到气体处理数据集，建模模块300根据气体处理数据集进行训练得到气体分类模型，该气体分类模型为KNN模型，分类模块400通过气体分类模型对待测气体数据进行预测分类，得到标识待测气体数据的浓度等级的标准浓度等级标签，能够通过机器学习的方式对气体浓度进行等级划分，减少人为主观的参与，提高对气体浓度识别的准确率。根据本申请的第三方面实施例的电子设备，包括：至少一个处理器，以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行所述指令时实现如第一方面所述的气体浓度识别方法。根据本申请的电子设备，至少具有如下有益效果：通过执行第一方面实施例中提到的气体浓度识别方法，能够通过机器学习的方式对气体浓度进行等级划分，减少人为主观的参与，提高对气体浓度识别的准确率。根据本申请的第四方面实施例的计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如第一方面所述的气体浓度识别方法。根据本申请的计算机可读存储介质，至少具有如下有益效果：通过执行第一方面实施例中提到的气体浓度识别方法，能够通过机器学习的方式对气体浓度进行等级划分，减少人为主观的参与，提高对气体浓度识别的准确率。本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。附图说明图1为本申请实施例中气体浓度识别方法的一具体流程示意图；图2为本申请实施例中气体浓度识别方法中步骤S300的第一具体流程示意图；图3为本申请实施例中气体浓度识别方法中步骤S300的第二具体流程示意图；图4为本申请实施例中气体浓度识别方法中步骤S300的第三具体流程示意图；本文档来自技高网...

【技术保护点】
1.气体浓度识别方法，其特征在于，包括：/n获取气体样本数据集，所述气体样本数据集包括浓度等级标签；/n对所述气体样本数据集进行预处理得到气体处理数据集；/n根据所述气体处理数据集进行训练得到气体分类模型，所述气体分类模型为KNN模型；/n通过所述气体分类模型对待测气体数据进行预测分类，得到所述待测气体数据的标准浓度等级标签，所述标准浓度等级标签用于标识所述待测气体数据的浓度等级。/n

【技术特征摘要】
1.气体浓度识别方法，其特征在于，包括：
获取气体样本数据集，所述气体样本数据集包括浓度等级标签；
对所述气体样本数据集进行预处理得到气体处理数据集；
根据所述气体处理数据集进行训练得到气体分类模型，所述气体分类模型为KNN模型；
通过所述气体分类模型对待测气体数据进行预测分类，得到所述待测气体数据的标准浓度等级标签，所述标准浓度等级标签用于标识所述待测气体数据的浓度等级。


2.根据权利要求1所述的气体浓度识别方法，其特征在于，所述根据所述气体处理数据集进行训练得到具有最优模型参数的气体分类模型，包括：
获取多个预设模型参数；
根据所述多个预设模型参数从所述气体处理数据集中选取多个训练样本集；
遍历计算所述气体处理数据集中的每一训练数据与所述多个训练样本集，得到多个平均距离参数；
选取最小平均距离参数所对应的预设模型参数作为所述气体分类模型的最优模型参数。


3.根据权利要求2所述的气体浓度识别方法，其特征在于，还包括：
从所述气体处理数据集中获取验证样本数据集和测试样本数据集；
计算所述验证样本数据集和所述测试样本数据集的距离参数；
根据所述最优模型参数和多个所述距离参数获取对应的测试样本数据集和所述测试样本数据集的多个浓度等级标签；
根据所述多个浓度等级标签和所述验证样本数据集获取所述气体分类模型的识别准确率。


4.根据权利要求3所述的气体浓度识别方法，其特征在于，还包括：
根据所述识别准确率对所述最优模型参数进行调整。


5.根据权利要求4所述的气体浓度识别方法，其特征在于，所述通过所述气体分类模型对待测气体数据进行预测分类，得到所述待测气体数据的标准浓度等级标签，包括：
获取测试样本数据集，所述测试样本数据集包括多个测试样本数据和多个浓度等级标签；
计算所述待测气体数据和所述测试样本数据集的多个距离参数；
根据...

【专利技术属性】
技术研发人员：李震，邹启贤，孙锋，黄红杉，
申请(专利权)人：深圳市水务科技有限公司，深圳市水务集团有限公司，
类型：发明
国别省市：广东;44