基于大数据的空气监测系统及方法技术方案

本发明专利技术提供了基于大数据的空气监测系统及方法，所述系统包括，数据应用层在Spring环境下完成开发，数据服务层作为系统的数据过渡层，输出接口面向数据应用层服务器的API接口，数据感知层为系统的采样层，数据感知层采集多项数据用于数据应用层服务器的数据流中间件的构建中，数据服务层处理流式特征数据，并且面向未来实际部署中数据流大的特征。本发明专利技术通过面向数据感知层、数据服务层、数据应用层三层架构系统开发，并通过百度地图AIP实现了细颗粒物空间、时间维度变化态势的在线准确预测和细颗粒物多污染源的在线高效准确动态回溯。和细颗粒物多污染源的在线高效准确动态回溯。和细颗粒物多污染源的在线高效准确动态回溯。

【技术实现步骤摘要】
基于大数据的空气监测系统及方法


[0001]本专利技术涉及空气监测系统
，尤其涉及基于大数据的空气监测系统及方法。

技术介绍

[0002]空气监测指对存在于空气中的污染物质进行定点、连续或定时的采样和测量，为了对空气进行监测，一般在一个城市设立若干个空气监测点，安装自动监测的仪器作连续自动监测，将监测结果派人定期取回，加以分析并得到相关的数据，空气监测的项目主要包括二氧化硫、一氧化氮、碳氢化合物、浮尘等，空气监测是大气质量控制和对大气质量进行合理评价的基础。
[0003]现有技术存在以下不足：现有监测系统的过程回归模型协方差函数的超参数准确度底，使感知层不能有效对细颗粒物的空间和时间维度复杂变化台式准确跟踪，从而导致系统给的收敛效率低，不能够准确预测和吸力颗粒物多污染源的动态回溯。

技术实现思路

[0004]本专利技术针对现有技术的不足，提供了基于大数据的空气监测系统及方法。
[0005]本专利技术通过以下技术手段实现解决上述技术问题的：基于大数据的空气监测系统，所述系统包括，
[0006]数据应用层：在Spring环境下完成开发；
[0007]数据服务层：作为系统的数据过渡层，输出接口面向数据应用层服务器的API接口；
[0008]数据感知层；为系统的采样层，数据感知层采集多项数据用于数据应用层服务器的数据流中间件的构建中，数据服务层处理流式特征数据，并且面向未来实际部署中数据流大的特征。
[0009]优选的，所述数据应用层的框架设计为SSM，分别对应Spring、SpringMVC和MyBatis，数据库，应用Redis与MySQL实现对应用层的数据库支撑。
[0010]优选的，所述数据应用层包括细颗粒物的数据监测、数据溯源分析、数据预测分析、历史数据统计、节点数据比较以及环境因子影响。
[0011]优选的，所述数据预测分析包括高斯羽流扩散模型或社区多尺度空气质量模型。
[0012]优选的，上层应用从MongoDB数据库读取数据，经过数据预处理模块(信号重构)的数据流用于对高斯过程回归模型的训练和预测，模型输出的空间和时间维度预测值，存入MySQL数据库相应的数据表中，并通过Redis缓存与MySQL数据库合作完成对系统相应功能模块前端热力图的动态渲染。
[0013]优选的，MongoDB数据库中历史统计数据样本完成对模型的训练，通过训练后模型预测未来系统设定短时间内某些时间节点的数值，通过把每个节点的训练数值输入到空间维度分布情况预测模型中，获取到未来时间细颗粒物空间分布情况，用于渲染百度地图上
层热力图。
[0014]优选的，MongoDB数据库读取原始监测数据接入后端数据接口，获得http渲染前端界面，包括细颗粒物数据、PM1数据、PM10数据和温度湿度。
[0015]本专利技术还提供一种基于大数据的空气监测系统的监测方法，其特征在于：所述方法包括以下步骤：
[0016](1)通过细颗粒物预测模块对其空间维度分布情况进行预测，获取到整个监测环境下细颗粒物在此时刻的分布情况；
[0017](2)获取到此帧数据的局部、全局最优解，并标记为本帧数据的目标源；
[0018](3)业务逻辑层设定细颗粒物的污染溯源阈值，当细颗粒物浓度大于这一阈值时，进行溯源分析与源点标记，并把模型的输入输出数据读入MySQL数据库；
[0019](4)当监测区域出现细颗粒物超标时系统会通过动态刷新的形式，同时设定相同目标源距离阈值找到同一个污染源迁移点，在前端动态刷新的过程中，把同一个迁移点用线连接起来显示。
[0020]本专利技术的有益效果：
[0021]本专利技术通过面向数据感知层、数据服务层、数据应用层三层架构系统开发，并通过百度地图AIP实现了细颗粒物空间、时间维度变化态势的在线准确预测和细颗粒物多污染源的在线高效准确动态回溯。
附图说明
[0022]图1为本专利技术的系统整体构架示意图；
[0023]图2为本专利技术数据应用层的框架结构示意图；
[0024]图3为本专利技术HTP请求cookie下发过程示意图；
[0025]图4为本专利技术消息队列的结构示意图；
[0026]图5为本专利技术细颗粒物预测方法的构架图。
[0027]图6为本专利技术的单台设备统计数据图。
[0028]图7为本专利技术细颗粒物溯源方法的构架图。
具体实施方式
[0029]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作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。
[0030]需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。
[0031]实施例1
[0032]请参阅图1所示，本实施例所述基于大数据的空气监测系统，所述系统包括数据应用层、数据服务层以及数据感知层；
[0033]请参阅图2所示，数据应用层：数据应用层的开发在Spring环境下完成，不需要依
赖于任何Web服务器或者容器，框架设计为SSM，其中分别对应Spring、SpringMVC和MyBatis，数据库方面，应用Redis与MySQL实现对应用层的数据库支撑，此外还需要满足业务需求，包括细颗粒物的数据监测、数据溯源分析、数据预测分析、历史数据统计、节点数据比较以及环境因子影响等功能。
[0034]实施例2
[0035]请参阅图1所示，本实施例所述基于大数据的空气监测系统，所述系统包括数据应用层、数据服务层以及数据感知层；
[0036]请参阅图2所示，数据应用层：数据应用层的开发在Spring环境下完成，不需要依赖于任何Web服务器或者容器，框架设计为SSM，其中分别对应Spring、SpringMVC和MyBatis，数据库方面，应用Redis与MySQL实现对应用层的数据库支撑，此外还需要满足业务需求，包括细颗粒物的数据监测、数据溯源分析、数据预测分析、历史数据统计、节点数据比较以及环境因子影响等功能。
[0037]请参阅图3所示，数据服务层：数据服务层作为系统的数据过渡层设计，数据读入接口主要是数据库服务器作为消费者从Kafka消息队列中对数据包的请求，而输出接口主要面向对应用服务器的数据支持统一的API接口，面对数据的读入，MongoDB作为了Kafka的数据消费者存在，MongoDB作为一个(key＝>value)键值对数据库，它可以在网络或者本地创建数据镜像，使得数据库的可扩展性得到满足；
[0038]相较于关系型数据库的设计，MongoDB在处理超大数据量的方面，击本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于大数据的空气监测系统，其特征在于：所述系统包括，数据应用层：在Spring环境下完成开发；数据服务层：作为系统的数据过渡层，输出接口面向数据应用层服务器的API接口；数据感知层；为系统的采样层，数据感知层采集多项数据用于数据应用层服务器的数据流中间件的构建中，数据服务层处理流式特征数据，并且面向未来实际部署中数据流大的特征。2.根据权利要求1所述的基于大数据的空气监测系统，其特征在于：所述数据应用层的框架设计为SSM，分别对应Spring、SpringMVC和MyBatis，数据库，应用Redis与MySQL实现对应用层的数据库支撑。3.根据权利要求2所述的基于大数据的空气监测系统，其特征在于：所述数据应用层包括细颗粒物的数据监测、数据溯源分析、数据预测分析、历史数据统计、节点数据比较以及环境因子影响。4.根据权利要求3所述的基于大数据的空气监测系统，其特征在于：所述数据预测分析包括高斯羽流扩散模型或社区多尺度空气质量模型。5.根据权利要求4所述的基于大数据的空气监测系统，其特征在于：上层应用从MongoDB数据库读取数据，经过数据预处理模块(信号重构)的数据流用于对高斯过程回归模型的训练和预测，模型输出的空间和时间维度预测值，存入MySQL数据库相应的数据表中，并通过Redis缓存与MySQL数据库合作完成对系统相应功...

【专利技术属性】
技术研发人员：赵岩，
申请(专利权)人：南京时代大数据网络安全技术与发展战略研究院有限公司，
类型：发明
国别省市：