一种基于大数据的空气污染的数学模型的建立方法技术

本发明专利技术提供一种基于大数据的空气污染的数学模型的建立方法，包括以下步骤：S1，数据采集；S2，处理感测数据；S3，预处理；S4，空气污染预测；S5:构建非稳态交通流的数学模型；S6:基于构建的非稳态交通流的数学模型，对车辆运动的气体动力流动进行数值模拟；S7:基于数值模拟，构建非稳态交通流引起的空气污染物演变模型；S8:基于演变模型以及神经网络预测的空气污染结果控制交通流；本发明专利技术可预测不同交通规则和强度条件下隧道内的空气污染，并确定在不超过空气污染临界水平的条件下道路上的最大汽车流量。汽车流量。汽车流量。

【技术实现步骤摘要】
一种基于大数据的空气污染的数学模型的建立方法


[0001]本专利技术涉及数学模型领域，具体地说，涉及一种基于大数据的空气污染的数学模型的建立方法。

技术介绍

[0002]大城市的室外空气质量问题是城市总体环境质量的一个重要指标。科学研究是解决大城市清洁大气问题的重要途径。城市地区的大部分污染来自道路交通。车辆的大量使用导致环境中污染物的增加，因此，设置实时空气污染监控系统尤为重要。空气污染检测系统测量每种污染物水平的准确度较高。传统空气质量监测站规模大、功率受限、维护成本高、投资成本大，数量有限。
[0003]交通引起的污染取决于交通流的状况，长期处于交通拥堵时产生的污染最大。减少交通尾气排放的可通过减少交通灯的数量或修建隧道来减少交通拥堵。以往关于汽车尾气污染空气的数学模型主要依赖于交通尾气是汽车流量函数的假设，并考虑城市环境中的风向和建筑物高度，这些模型通常考虑交通强度、空气流量和建筑物高度，但忽略了移动汽车对污染废气传播和与空气混合的影响。上述数学模型适用于开放空间，但不适用于特殊情形的城市道路。因此，现有的数学模型无法实现交通流尾气污染的精确模拟。

技术实现思路

[0004]本专利技术提供了一种基于大数据的空气污染的数学模型的建立方法，为了解决上述技术问题，本专利技术采用以下技术方案予以实现。
[0005]一种基于大数据的空气污染的数学模型的建立方法，包括以下步骤：
[0006]S1，数据采集：采集基于无线传感器网络的空气污染检测系统的实时数据，并对故障节点检测；利用物联网传感器从多个节点采集不同位置的实时数据；
[0007]S2，处理感测数据：提取感测数据相关特征，并进行特征约简，删除不必要的特征；
[0008]S3，整理和重新排列数据：替换缺少的数据，数据集中存在的少数缺失数据值由非缺失值的平均值代替，取缺失值的前一个值和下一个值的平均值，并替换缺失值；在替换缺失的数据后，使用分布式文件系统处理大数据，消除物联网感知的大数据中存在的重复信息；
[0009]S4，空气污染预测：预测系统使用神经网络对预处理后的数据进行空气污染预测；
[0010]S5:构建非稳态交通流的数学模型；
[0011]S6:基于构建的非稳态交通流的数学模型，对车辆运动的气体动力流动进行数值模拟；
[0012]S7:基于数值模拟，构建非稳态交通流引起的空气污染物演变模型；
[0013]S8:基于演变模型以及神经网络预测的空气污染结果控制交通流。
[0014]优选的，无线传感器网络包括城市区域固定位置的传感器、安装在城市区域移动车辆上的传感器，利用多种类型传感器和无线技术收集实时空气污染数据。
[0015]优选的，传感器数据根据其位置进行聚类，基于位置的聚类提高识别故障节点的准确性。
[0016]本专利技术一种基于大数据的空气污染的数学模型的建立方法，通过设置在城市区域固定位置的传感器以及安装在城市区域移动车辆上的传感器，利用多种类型传感器和无线技术收集实时空气污染数据；构建非稳态交通流的数学模型以及演变模型，涉及城市隧道受道路交通、自然对流和强迫对流影响的环境，并考虑交通堵塞产生和发展的可能性、交通强度对隧道内诱导气流及其湍流影响的耦合效应、隧道内额外强制空气对流的作用等，基于运动学和动力学方程，建立描述本质上非稳态的单车道交通流的数学模型，对汽车对隧道内气流的影响进行多维计算，对隧道内有车辆时的多维气流进行直接数值模拟，根据数值模拟的结果，提出近似公式，进而预测不同交通规则和强度条件下隧道内的空气污染，并确定在不超过空气污染临界水平的条件下道路上的最大汽车流量。
附图说明
[0017]图1是本专利技术的一种基于大数据的空气污染的数学模型的建立方法的建立方法流程图。
[0018]图2是本专利技术中车辆尾气中有毒成分排放与车辆加速度的关系图。
具体实施方式
[0019]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
[0020]一种基于大数据的空气污染的数学模型的建立方法，包括以下步骤：
[0021]S1，数据采集：采集基于无线传感器网络的空气污染检测系统的实时数据，并对故障节点检测；利用物联网传感器从多个节点采集不同位置的实时数据；传感器数据根据其位置进行聚类，基于位置的聚类提高识别故障节点的准确性；
[0022]S2，处理感测数据：提取感测数据相关特征，并进行特征约简，删除不必要的特征；
[0023]S3，整理和重新排列数据：替换缺少的数据，数据集中存在的少数缺失数据值由非缺失值的平均值代替，取缺失值的前一个值和下一个值的平均值，并替换缺失值；在替换缺失的数据后，使用分布式文件系统处理大数据，消除物联网感知的大数据中存在的重复信息；
[0024]S4，空气污染预测：预测系统使用神经网络对预处理后的数据进行空气污染预测；
[0025]S5:构建非稳态交通流的数学模型；
[0026]S6:基于构建的非稳态交通流的数学模型，对车辆运动的气体动力流动进行数值模拟；
[0027]S7:基于数值模拟，构建非稳态交通流引起的空气污染物演变模型；
[0028]S8:基于演变模型以及神经网络预测的空气污染结果控制交通流。
[0029]其中，步骤S5中，用X轴表示车辆运动朝向的方向，用t表示时间轴。道路上车辆的
密度n(X，t)定义为道路上车辆覆盖的面积与道路控制段面积的比率：
[0030]其中S
veh
是平均车辆的动态面积，S是道路中控制区的面积，K是控制区中的车辆数量。上述定义的密度是一个无量纲变量，在区间内变化：0<n<1。
[0031]引入交通流速度v(x，t)；它可以在以下限制范围内变化：0<v<v
max
，其中v
max
是应用于车道的速度限制。
[0032]密度可以在从0到1的范围内变化：在交通堵塞中，占据整条道路的车辆一个接一个，此时车辆拥挤v＝0，并达到最大密度n＝1。
[0033]确定作为路段L的广义“质量”，进而确定道路的“质量0守恒定律”。在连续交通流的情况下，将产生连续性方程：
[0034][0035]考虑到流速的变化一方面受汽车发动机的有效性和制动距离的限制，另一方面受驾驶员对前方交通条件变化的反应的限制。增加或减少驾驶员前方的流量密度会促使驾驶员加速或减速。运动方程的形式为：
[0036][0037]其中，
[0038][0039]或
[0040]公式中，a
+
是最大加速度，a
‑
...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的空气污染的数学模型的建立方法，其特征在于，包括以下步骤：S1，数据采集：采集基于无线传感器网络的空气污染检测系统的实时数据，并对故障节点检测；利用物联网传感器从多个节点采集不同位置的实时数据；S2，处理感测数据：提取感测数据相关特征，并进行特征约简，删除不必要的特征；S3，整理和重新排列数据：替换缺少的数据，数据集中存在的少数缺失数据值由非缺失值的平均值代替，取缺失值的前一个值和下一个值的平均值，并替换缺失值；在替换缺失的数据后，使用分布式文件系统处理大数据，消除物联网感知的大数据中存在的重复信息；S4，空气污染预测：预测系统使用神经网络对预处理后的数据进行空气污染预测；S5:...

【专利技术属性】
技术研发人员：侯方博，
申请(专利权)人：吉林农业科技学院，
类型：发明
国别省市：