一种应用于网格化空气质量监测系统的云平台智能辅助校准算法技术方案

本发明专利技术涉及大气环境空气质量监测领域，一种应用于网格化空气质量监测系统的云平台智能辅助校准算法，该算法包括以下步骤：历史数据获取，通过云平台选择待校正设备附近若干台监测设备作为参考设备，同时调取参考设备的7日内历史数据；统计背景浓度，使用概率统计学统计参考设备7日内每3小时的污染物浓度概率密度函数，选取出现概率最大的浓度作为上述设备的背景浓度，计算参考设备相同时间内的背景浓度概率方差，根据浓度概率方差选择合适的污染物浓度建立7日内区域背景浓度集合。本发明专利技术是数据融合支撑的校准方案，具有流程简单，准确可靠，可与云平台深度融合的特点，可节约大量的人力物力成本。量的人力物力成本。量的人力物力成本。

【技术实现步骤摘要】
一种应用于网格化空气质量监测系统的云平台智能辅助校准算法


[0001]本专利技术涉及空气质量监测
，具体为一种应用于网格化空气质量监测系统的云平台智能辅助校准算法。

技术介绍

[0002]随着我国经济快速发展与城镇化水平不断提高，大气污染源结构发生较大变化，污染主体已由大中型固定污染源向移动源、生活源转变，现有的环境监管多关注于固定污染源，对城市大气环境监测依赖于昂贵的国控站，远不能适应新形势下日益繁重的环境管理和执法监督的精细化需要。因此，低成本、安装方便快捷及可持续动态监测的网格化环境空气监测系统应运而生，可实现对监测区域的全面布点、全面覆盖，消灭监测盲区，为各地政府进行大气网格化环境监管提供科技支撑。
[0003]网格化环境空气监测系统通常是由若干个微型空气质量监测子站构成，通过采集各种微型传感器的电信号，结合算法反演出污染物的浓度。然而由于微型传感器受自身理化特性、交叉干扰、使用寿命及工作环境等诸多因素影响，导致其输出的结果与实际大气质量数据相关性较差，无法为区域大气的科学管控和治理提供理论依据。

技术实现思路

[0004]本专利技术的目的在于提供一种应用于网格化空气质量监测系统的云平台智能辅助校准算法，以解决
技术介绍
中解决的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种应用于网格化空气质量监测系统的云平台智能辅助校准算法，所述一种应用于网格化空气质量监测系统的云平台智能辅助校准算法包括以下几个步骤：
[0006](1)历史数据获取：选择待校正设备，通过云平台选择待校正设备附近若干台监测设备作为参考设备，同时调取参考设备的7日内历史数据；
[0007](2)统计背景浓度：使用概率统计学统计参考设备7日内每3小时的污染物浓度概率密度函数，选取出现概率最大的浓度作为上述设备的背景浓度，计算参考设备相同时间内的背景浓度概率方差，根据浓度概率方差选择合适的污染物浓度建立7日内背景浓度集合；
[0008](3)计算云平台智能辅助校正系数，重新建立待校正设备传感器电信号与污染物浓度的对应关系，实时修正待校正设备监测数据，完成云平台智能辅助校正。
[0009]优选的，通过概率统计学获取待校正设备区域背景浓度，使用该背景浓度采用最小二乘法拟合出校准系数，重新建立待校正设备传感器电信号与污染物浓度的对应关系。所述背景浓度，为待校准设备附近大气环境中污染物浓度的背景值，该背景值反应的是污染物浓度的大范围变化。
[0010]优选的，所述参考设备的7日内历史数据，通过云平台获取，在云平台中选择待校
正设备后，得到若干台附近监测设备7日内污染物浓度历史数据，并将所得历史数据以3小时为一个时间段分为56个集合。
[0011]优选的，所述3小时的污染物浓度概率密度函数通过以下方式获取：fi＝ni/N
[0012](1)首先将被测污染物量程均匀划分为若干区间，统计每个集合内污染物浓度在第i区间的分布个数记为ni，其中，数据总数记为N；
[0013](2)然后计算3小时内污染物浓在第i区间内的出现频率，记为fi，将所得的所有出现频率按照时间顺序进行排列组合{fi}；
[0014](3)最后利用最小二乘法拟合出3小时的污染物浓度概率密度函数F(i)。
[0015]优选的，所述监控设备背景浓度通过以下方式获取：监测设备背景浓度表示为监测设备附近的环境污染物浓度，3小时的污染物浓度概率密度最大值所在的污染物浓度区间即为监测设备背景浓度b，b＝F
‑
1(max{fi})。
[0016]优选的，所述7日内背景浓度集合通过以下步骤获得：
[0017](1)将m台设备相同时间7日每3小时的背景浓度b在同一个集合中，记为Bθ＝{b}，其中θ＝1,2
…
56。
[0018](2)分别计算θ个数组的方差σθ，剔除各数组中残余误差大于3σθ的背景浓度，得到新集合Bθ
’
，其中θ＝1,2
…
56。
[0019](3)计算数组Bθ
’
的平均值，得到7日内背景浓度集合，记为其中θ＝1,2
…
56。
[0020]优选的，所述云平台智能辅助校正系数获取方法如下：
[0021][0022]将7日内相同时间测量的背景浓度与待校正设备测量浓度一一对应，以为背景浓度自变量，即待校正设备测量浓度为因变量，即C(t)；采用最小二乘法过零线性拟合，拟合函数斜率即为所述云平台智能辅助校正系数k。
[0023]优选的，所述重新建立待校正设备传感器电信号与污染物浓度的对应关系，通过以下方式获取：C校正值＝kC检测值，其中C检测值为待校正监测设备污染物浓度实时检测值，C校正值为校正后的监测设备污染物浓度值。
[0024]与现有技术相比，本专利技术具有以下有益效果：本专利技术流程简单，可与云平台深度融合。配合云平台可实现自动化校准，同时具有自适应能力，适用于大多数应用场景。
[0025]数据支撑的校准方案，准确可靠。校正流程全部基于监测设备的历史数据，节约大量现场校正的人力物力成本。
附图说明
[0026]图1为本专利技术系统原理示意图。
具体实施方式
[0027]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，所描述的实施例仅仅是本专利技术一部分实施例，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。
[0028]请参阅图1，本专利技术提供一种技术方案：微型空气质量监测仪所使用的气体及颗粒物传感器由于其自身理化特性，易受使用寿命及监测环境温湿度、风速影响，因此需要在一定时间内对监测设备进行校准。传统的校准以现场校正为主，需要将大型标准设备置于监测设备附近，投入成本大，耗时严重。为了能够实时准确的反演出空气中各污染物的实际浓度，减小各影响因素带来的系统误差，本专利技术提供一种应用于网格化空气质量监测系统的云平台智能辅助校准算法，可以提高网格化空气质量监测系统的数据质量，减少设备的维护成本。
[0029]本专利技术为实现上述目的所采用的技术方案是：一种应用于网格化空气质量监测系统的云平台智能辅助校准算法，包含以下几个步骤：
[0030](1)历史数据获取：选择待校正设备，通过云平台选择待校正设备附近若干台监测设备作为参考设备，同时调取参考设备的7日内历史数据；
[0031](3)统计背景浓度：使用概率统计学统计参考设备7日内每3小时的污染物浓度概率密度函数，选取出现概率最大的浓度作为上述设备的背景浓度，计算参考设备相同时间内的背景浓度概率方差，根据浓度概率方差选择合适的污染物浓度建立7日内背景浓度集合；
[0032](3)计算云平台智能辅助校正系数，重新建立待校正设备传感器电信号与污染物浓度的对应关系。
[0033]本专利技术所述网格化空气质本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于网格化空气质量监测系统的云平台智能辅助校准算法，其特征在于：所述一种应用于网格化空气质量监测系统的云平台智能辅助校准算法包括以下几个步骤：(1)历史数据获取：选择待校正设备，通过云平台选择待校正设备附近若干台监测设备作为参考设备，同时调取参考设备的7日内历史数据；(2)统计背景浓度：使用概率统计学统计参考设备7日内每3小时的污染物浓度概率密度函数，选取出现概率最大的浓度作为上述设备的背景浓度，计算参考设备相同时间内的背景浓度概率方差，根据浓度概率方差选择合适的污染物浓度建立7日内背景浓度集合；(3)计算云平台智能辅助校正系数，重新建立待校正设备传感器电信号与污染物浓度的对应关系，实时修正待校正设备监测数据，完成云平台智能辅助校正。2.根据权利要求1所述的一种应用于网格化空气质量监测系统的云平台智能辅助校准算法，其特征在于：通过概率统计学获取待校正设备区域背景浓度，使用该背景浓度采用最小二乘法拟合出校准系数，重新建立待校正设备传感器电信号与污染物浓度的对应关系，所述背景浓度，为待校准设备附近大气环境中污染物浓度的背景值，该背景值反应的是污染物浓度的大范围变化。3.根据权利要求2所述的一种应用于网格化空气质量监测系统的云平台智能辅助校准算法，其特征在于：所述参考设备的7日内历史数据，通过云平台获取，在云平台中选择待校正设备后，得到若干台附近监测设备7日内污染物浓度历史数据，并将所得历史数据以3小时为一个时间段分为56个集合。4.根据权利要求3所述的一种应用于网格化空气质量监测系统的云平台智能辅助校准算法，其特征在于：所述3小时的污染物浓度概率密度函数通过以下方式获取：fi＝ni/N(1)首先将被测污染物量程均匀划分为若干区间，统计每个集合内污染物浓度在第i区间的分布个数记为ni，其中，数据总数记为N；(2)然后计算3小时内污染物浓在第i区间内的出现频率，记为fi，将所得的所有出现频率按照时间...

【专利技术属性】
技术研发人员：胡俊涛，丁文科，方勇，
申请(专利权)人：安徽熵沃智能科技有限公司，
类型：发明
国别省市：