【技术实现步骤摘要】
基于人工智能的环境分析方法、系统、设备及存储介质
[0001]本公开涉及人工智能
，尤其涉及一种基于人工智能的环境分析方法、系统、设备及存储介质。
技术介绍
[0002]大气环境是生态环境中非常重要的一环，现如今空气质量的好坏成为衡量一个城市是否宜居的重要指标，是城市发展的“软实力”。因此，通过提取空气质量的历史数据，进行合理有效的分析和评价从而对未来空气质量的发展趋势做出较为精准的预测，有助于做出科学的管理措施和决策，并对人们的生产生活有着重要的指导意义。
[0003]空气污染物主要以二氧化硫和可吸入颗粒物为主，此外，空气污染物之间互相作用滋生了雾霾、光化学烟雾等二次污染。当前的空气污染物监控手段，往往是单独检测某一种污染物，例如可吸入颗粒物，然后将几种单独检测污染物汇总进行分析，不仅效率低下、成本高，而且无法做出综合性空气质量评估。
[0004]公开于本申请
技术介绍
部分的信息仅仅旨在加深对本申请的一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的环境分析方法，其特征在于，所述方法应用于物联网环境监控系统，所述方法包括：基于物联网环境监控系统获取目标区域的空气污染物监测信息，其中，所述空气污染物监测信息包括污染物类别以及污染物浓度中至少一种；根据预先构建的污染物分类模型对所述空气污染物监测信息进行污染物分类，确定污染物类别，其中，所述污染物类别包括原始污染物、二次污染物以及区域污染物中至少一种；基于所述污染物类别，以及预先获取的目标区域的气象信息，为不同类型的污染物设定对应的权重因子，通过预先训练好的空气质量评估模型，确定空气质量指数，其中，所述空气质量指数用于评估所述目标区域的空气质量。2.根据权利要求1所述的方法，其特征在于，在根据预先构建的污染物分类模型对所述空气污染物监测信息进行污染物分类，确定污染物类别之前，所述方法还包括：将所述空气污染物监测信息与预先确定的标准空气信息进行比较，确定所述空气污染物监测信息的信息类别以及信息数量是否分别与所述标准空气信息的标准类别以及标准数量相匹配，若不匹配，则将所述空气污染物监测信息分解为本征信息和剩余信息，将所述空气污染物监测信息中每个信息与均值参考信息进行比较，判断空气污染物监测信息中每个信息对应的值减去所述均值参考信息对应的值是否与所述本征信息对应的值相匹配，若不同，则重复将空气污染物监测信息中每个信息对应的值减去所述均值参考信息，直至所述空气污染物监测信息的剩余信息为常态值序列，并将所述剩余信息插入空气污染物监测信息中对应位置，其中，所述均值参考信息表示所述本征信息中最大值与最小值的平均值。3.根据权利要求2所述的方法，其特征在于，所述污染物分类模型基于神经网络构建，所述污染物分类模型包括输入层、隐藏层以及输出层，根据预先构建的污染物分类模型对所述空气污染物监测信息进行污染物分类，确定污染物类别的方法包括：将所述空气污染物监测信息中异常数据清除，并将异常数据清除后的空气污染物监测信息转换为向量序列；将所述向量序列输入所述污染物分类模型，确定与所述向量序列对应的输入层与隐藏层之间的第一权重向量，通过预先确定的激活函数，以及所述隐藏层与输出层之间的第二权重向量，确定所述污染物类别。4.根据权利要求3所述的方法，其特征在于，根据预先构建的污染物分类模型对所述空气污染物监测信息进行污染物分类之前，所述方法还包括训练所述污染物分类模型，所述训练方法包括：初始化所述污染物分类模型的输入层与隐藏层之间的第一权重向量、隐藏层与输出层之间的第二权重向量、第一调整系数与第二调整系数，其中，所述第一调整系数和所述第二调整系数用于优化所述污染物分类模型的激活函数的收敛参数；根据所述污染物分类模型待优化的激活函数确定与所述第一调整系数对应的第一适
应度和所述第二调整系数对应的第二适应度；在预先确定的搜索空间中进行智能搜寻，通过所述第一调整系数对应的个体极值和群体极值更新所述第一适应度；基于预先设定的稳定值，确定所述第二适应度与所述稳定值的差值，并对所述差值执行退火操作，直至所述第二适应度趋于所述稳定值；...
【专利技术属性】
技术研发人员：魏国，邱振，王雅妮，冉玉倩，康日峰，张俊欣，轷雨蒙，庞宏伟，
申请(专利权)人：北京北投生态环境有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。