一种基于BP神经网络的空气颗粒物数据监测系统及方法技术方案

本发明专利技术公开了一种基于BP神经网络的空气颗粒物数据监测系统，包括：布置模块，用于根据历史污染数据对待测地区进行建模，并采用网格划分的方式对待测地区布置采集模块；采集模块，用于采集待测地区的空气颗粒物数据；评估模块，用于通过BP神经网络和采集的空气颗粒物数据对待测地区进行评估；通信模块，用于采集模块和评估模块之间进行数据传输。本发明专利技术通过根据历史数据构建模型，对不同等级的地区进行不同的网格划分，提高了对空气颗粒物数据的敏感性、时效性并降低了成本，并在严重污染的地区布置了移动监测装置，填补对室内空气颗粒物数据的空缺并提升了实时监测的准确度，通过采用BP神经网络，提高了计算的自动化和准确率。提高了计算的自动化和准确率。提高了计算的自动化和准确率。

【技术实现步骤摘要】
一种基于BP神经网络的空气颗粒物数据监测系统及方法


[0001]本专利技术涉及空气颗粒物监测领域，特别是涉及一种基于BP神经网络的空气颗粒物数据监测系统及方法。

技术介绍

[0002]随着空气污染的逐渐严重，人们越来越重视空气质量，而空气中的污染来源主要包括颗粒物、硫氧化物、碳的氧化物、氮氧化物、碳氢化合物和其他有害物质，其中空气颗粒物指的是分散在空气中的固态或液态颗粒状物质，根据其粒径大小，又可分为空气动力学直径小于或者等于100μm的总悬浮颗粒物(TSP)和空气动力学直径小于或者等于10μm的可吸入颗粒物(PM10)。可吸入颗粒物又可细分为细粒PM2.5(空气动力学直径小于或等于2.5μm)和粗粒(空气动力学直径介于2.5μm至10μm)。
[0003]颗粒物中1微米以下的微粒沉降速度慢，在大气中存留时间久，在大气动力作用下能够吹送到很远的地方。所以颗粒物的污染往往波及很大区域，甚至成为全球性的问题。粒径在0.1～1微米的颗粒物，与可见光的波长相近，对可见光有很强的散射作用。这是造成大气能见度降低的主要原因。由二氧化硫和氮氧化物化学转化生成的硫酸和硝酸微粒是造成酸雨的主要原因。大量的颗粒物落在植物叶子上影响植物生长，落在建筑物和衣服上能起沾污和腐蚀作用。粒径在3.5μm以下的颗粒物，能被吸入人的支气管和肺泡中并沉积下来，引起或加重呼吸系统的疾病。大气中大量的颗粒物，干扰太阳和地面的辐射，从而对地区性甚至全球性的气候发生影响。
[0004]可吸入颗粒物随人们呼吸空气而进入肺部，以碰撞、扩散、沉积等方式滞留在呼吸道不同的部位，粒径小于5微米的多滞留在上呼吸道。滞留在鼻咽部和气管的颗粒物，与进入人体的二氧化硫(SO2)等有害气体产生刺激和腐蚀粘膜的联合作用，损伤粘膜、纤毛，引起炎症和增加气道阻力。持续不断的作用会导致慢性鼻咽炎、慢性气管炎。滞留在细支气管与肺泡的颗粒物也会与二氧化氮等产生联合作用，损伤肺泡和粘膜，引起支气管和肺部产生炎症。长期持续作用，还会诱发慢性阻塞性肺部疾患并出现继发感染，最终导致肺心病死亡率增高。空气中总悬浮颗粒物对人体健康的影响决定于粒子吸入而积聚于呼吸系统的数量。直径10微米或以下的可吸入颗粒物能直达并沉积于肺部，而引发不良的健康反应。可吸入颗粒物对人体健康的影响包括导致呼吸不适及呼吸系统症状(例如气促、咳嗽、喘气等)、加重已有的呼吸系统疾病及损害肺部组织。因此，可吸入悬浮颗粒物(漂尘)更引起人们的重视。最易受总悬浮颗粒物影响的人士包括慢性肺部及心脏病、感冒或哮喘病患者，老年人及儿童。
[0005]故现有技术中存在很多用于监测空气颗粒物浓度的方法，但现有技术通常是仅测量室外的空气颗粒物浓度，空气颗粒物数据的测试来源过于单一，且在测试的布置上也过于简单，对针对性并不强，且后期对采集的数据进行汇总时，因为数据量过于庞大而导致处理的速度过慢，依靠采集的数据做出的评估结果准确性不高。

技术实现思路

[0006]本专利技术的目的是提供一种基于BP神经网络的空气颗粒物数据监测系统及方法，以解决上述现有技术存在的问题。
[0007]为实现上述目的，本专利技术提供了如下方案：
[0008]本专利技术提供一种基于BP神经网络的空气颗粒物数据监测系统及方法，包括：
[0009]布置模块，用于根据历史污染数据对待测地区进行建模，并采用网格划分的方式对所述待测地区布置采集模块；
[0010]所述采集模块，用于采集待测地区的空气颗粒物数据；
[0011]评估模块，用于通过BP神经网络和采集的所述空气颗粒物数据对待测地区进行评估；
[0012]数据库模块，用于保存采集的所述空气颗粒物数据，所述数据库模块与所述采集模块连接；
[0013]通信模块，用于所述采集模块和评估模块之间进行数据传输。
[0014]可选的，所述布置模块包括建模模块和网格划分模块，其中，
[0015]所述建模模块用于获取待测地区的历史污染数据，并基于历史污染数据将所述待测地区按照污染等级进行划分，并对划分后的待测地区构建模型；
[0016]所述网格划分模块用于对带有污染等级划分的模型进行网格划分。
[0017]可选的，所述网格划分模块对带有污染等级划分的模型进行网格划分的过程中包括：根据污染等级出现频率，将模型分为初级污染频发地区、中级污染频发地区和严重污染频发地区，基于地区的不同，划分不同的网格密度，其中所述初级污染频发地区的网格设置为2km
×
2km，所述中级污染频发地区的网格设置为1km
×
1km，严重污染频发地区的网格设置为500m
×
500m。
[0018]可选的，所述采集模块包括固定采集模块和移动采集模块，其中，
[0019]所述固定采集模块布置在室外网格划分后的网格交点上；
[0020]所述移动采集模块用于在污染程度超过阈值时布置在严重污染地区的室内，采集室内环境的空气颗粒物数据。
[0021]可选的，所述评估模块通过BP神经网络对采集的所述空气颗粒物数据进行评估的过程中包括：
[0022]将采集的历史污染数据作为输入数据，输入到所述BP神经网络中，输出污染的评估结果对所述BP神经网络进行训练；
[0023]基于训练完成的BP神经网络和实时采集的空气颗粒物数据对待测地区进行评估。
[0024]可选的，所述评估结果包括实时污染指数和过去24小时的污染指数变化趋势。
[0025]可选的，所述通信模块采用无线通信，包括WIFI、4G、GPRS以及蜂巢式网络。
[0026]一种基于BP神经网络的空气颗粒物数据监测方法，包括：
[0027]根据获取的待测地区的历史污染数据对待测地区进行建模并网格划分；
[0028]根据网格划分的结果对所述待测地区布置采集装置；
[0029]根据所述采集装置对待测地区采集空气颗粒物数据；
[0030]对采集的所述空气颗粒物数据进行分析及评估。
[0031]可选的，根据获取的待测地区的历史污染数据对待测地区进行建模并网格划分的
过程中包括：
[0032]通过历史污染数据中的污染等级出现频率对所述待测地区进行分区，包括初级污染频发地区、中级污染频发地区和严重污染频发地区；
[0033]对不同污染等级的分区按照不同的网格划分标准进行网格划分。
[0034]可选的，对采集的所述空气颗粒物数据进行分析及评估的过程中包括：
[0035]将获取的历史污染数据输入BP神经网络进行训练，输出评估结果，利用输出的评估结果与实际结果的误差对所述BP神经网络的权重系数进行修正，直到输出的评估结果的准确率达到预设值，则结束训练；
[0036]基于训练完成的BP神经网络和实时采集的空气颗粒物数据对待测地区进行评估。
[0037]本专利技术公开了以下技术效果：
[0038]本专利技术提供了一种基于BP神经网络的空气颗粒物数据监测系统及方法，通过根据历本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BP神经网络的空气颗粒物数据监测系统，其特征在于，包括：布置模块，用于根据历史污染数据对待测地区进行建模，并采用网格划分的方式对所述待测地区布置采集模块；所述采集模块，用于采集待测地区的空气颗粒物数据；评估模块，用于通过BP神经网络和采集的所述空气颗粒物数据对待测地区进行评估；数据库模块，用于保存采集的所述空气颗粒物数据，所述数据库模块与所述采集模块连接；通信模块，用于所述采集模块和评估模块之间进行数据传输。2.根据权利要求1所述的系统，其特征在于，所述布置模块包括建模模块和网格划分模块，其中，所述建模模块用于获取待测地区的历史污染数据，并基于历史污染数据将所述待测地区按照污染等级进行划分，并对划分后的待测地区构建模型；所述网格划分模块用于对带有污染等级划分的模型进行网格划分。3.根据权利要求2所述的系统，其特征在于，所述网格划分模块对带有污染等级划分的模型进行网格划分的过程中包括：根据污染等级出现频率，将模型分为初级污染频发地区、中级污染频发地区和严重污染频发地区，基于地区的不同，划分不同的网格密度，其中所述初级污染频发地区的网格设置为2km
×
2km，所述中级污染频发地区的网格设置为1km
×
1km，严重污染频发地区的网格设置为500m
×
500m。4.根据权利要求1所述的系统，其特征在于，所述采集模块包括固定采集模块和移动采集模块，其中，所述固定采集模块布置在室外网格划分后的网格交点上；所述移动采集模块用于在污染程度超过阈值时布置在严重污染地区的室内，采集室内环境的空气颗粒物数据。5.根据权利要求1所述的...

【专利技术属性】
技术研发人员：张春意，陈冠益，
申请(专利权)人：天津大学，
类型：发明
国别省市：