一种基于线性插值的VOCs浓度预测方法及设备技术

本发明专利技术的一种基于线性插值的VOCs浓度预测方法及设备，其方法包括以下步骤，S1、使用搭载气体分析仪的无人机采集待测空间的VOCs浓度；S2、根据采集数据，进行数据预处理，使用二维线性插值完成待测空间外框面的VOCs浓度数据填充；S3、根据采集数据和上步骤中得到的外框面数据，使用三维空间线性插值对待测矩形体内部点进行插值填充。本发明专利技术的一种使用无人机的基于三维空间插值的VOCs浓度预测方法，这种方法实施迅速，预测精度高，同时对设备、场地的要求低，相比于传统方法具有很大的优势。相比于传统方法具有很大的优势。相比于传统方法具有很大的优势。

【技术实现步骤摘要】
一种基于线性插值的VOCs浓度预测方法及设备


[0001]本专利技术涉及环境检测领域中空气污染预测
，具体涉及一种基于线性插值的VOCs浓度预测方法及设备。

技术介绍

[0002]工业的发展，离不开采矿，但是在实施开采的过程中，不可避免的会造成环境污染问题，而在各种污染中，空气污染问题尤为突出，并且会对从业人员的健康产生较大影响。采矿作业会产生不同的空气污染颗粒物，比如PM1.0、PM2.5、PM10以及一些重金属颗粒，也会产生各种各样的有害气体，比如SO2、CO2、CO。为了空气污染的预防工作，需要精确的测量污染气体的分布。
[0003]总的来说，现有的许多测量污染气体分布的方法，比如手动分析与测量、连续分析仪等，需要消耗大量的时间成本和人力成本。

技术实现思路

[0004]本专利技术提出的一种基于线性插值的VOCs浓度预测方法，可以快速的预测长方体三维空间内的污染分布情况。
[0005]为实现上述目的，本专利技术采用了以下技术方案：
[0006]一种基于线性插值的VOCs浓度预测方法，包括以下步骤，
[0007]步骤1：使用搭载气体分析仪的无人机采集待测空间的VOCs浓度；
[0008]步骤2：根据采集数据，进行数据预处理，使用二维线性插值完成待测空间外框面的VOCs浓度数据填充；
[0009]步骤3：根据采集数据和上步骤中得到的外框面数据，使用三维空间线性插值对待测矩形体内部点进行插值填充。
[0010]进一步地，上述步骤S1：使用搭载气体分析仪的无人机对待测空间的空气进行分析测量，具体包括如下细分步骤S11至S13：
[0011]S11：将灵嗅气体分析仪安装到大疆M300无人机上。
[0012]S12：控制无人机采集待测矩形体空间六个面的VOCs浓度数据。
[0013]S13：控制无人机采集待测空间矩形体内部VOCs浓度数据。采集的越多、分布的越均匀，则插值越准确。
[0014]进一步地，上述步骤S2：根据采集数据，进行数据预处理，使用二维线性插值完成待测空间外框面的数据填充，具体包括如下细分步骤S21至S22：
[0015]S21：根据采集到的数据，使用最邻近插值法进行插值，填充待测空间矩形体十二条棱上的数据。
[0016]最邻近插值法的核心思想是选取离目标点最近的点作为待插入的新值点。在本专利技术的应用实例中，可以创建一个大小为L*W*H的三维数组，其中L为待测空间在长度上采集数据点和待插值数据点的个数之和、W为待测空间在宽度上采集数据点和待插值数据点的
个数之和、H为待测空间在高度上采集数据点和待插值数据点的个数之和。
[0017]对于待插值点P，遍历数组，找出距离P点最近的点，以该点的空度污染浓度作为P点的VOCs浓度，并将P点空气污染数据存入数组的对应位置。
[0018]S22：根据S21得到的棱上数据和无人机采集到的数据，在外框面建立xOy坐标系，Q
11
,Q
12
,Q
21
,Q
22
应为在x轴方向、y轴方向上距离待插值点最近的点。使用二维线性插值法得到待测空间矩形体外框面的数据，具体公式如下：
[0019][0020]x,y是待插值点P的x轴向坐标和y轴向坐标；
[0021](x1,y1)和(x2,y2)是待二维插值点P最临近两点坐标。
[0022]进一步地，上述步骤S3：根据采集数据和上步骤中得到的外框面数据，使用三维空间线性插值对待测空间体内部点进行插值填充，具体包括如下细分步骤S31至S33：
[0023]S31：对于待插值点P(x,y,z),使用最邻近插值法得到点c
000
(x+1,y+1,z+1)、c
001
(x+1,y+1,z
‑
1)、c
010
(x+1,y
‑
1,z+1)、c
011
(x+1,y
‑
1,z
‑
1)、c
100
(x
‑
1,y+1,z+1)、c
101
(x
‑
1,y+1,z
‑
1)、c
110
(x
‑
1,y
‑
1,z+1)、c
111
(x
‑
1,y
‑
1,z
‑
1)的VOCs浓度。
[0024]S32：根据S31得到的数据，使用三维空间插值法得到待测空间所有点的VOCs浓度数据。具体公式如下：
[0025][0026][0027][0028]c＝c
000
(1
‑
x
d
)(1
‑
y
d
)(1
‑
z
d
)+
[0029]c
100
x
d
(1
‑
y
d
)(1
‑
z
d
)+
[0030]c
010
(1
‑
x
d
)y
d
(1
‑
z
d
)+
[0031]c
001
(1
‑
x
d
)(1
‑
y
d
)z
d
+
[0032]c
101
x
d
(1
‑
y
d
)z
d
+
[0033]c
011
(1
‑
x
d
)y
d
z
d
+
[0034]c
110
x
d
y
d
(1
‑
z
d
)+
[0035]c
111
x
d
y
d
z
d
[0036](xd，yd，zd)是空间中任意待估计污染插值点的空间坐标，(x0，y0，z0)和(x1，y1，
z1)是待插值点P最临近空间中两点坐标；
[0037]C000、C100、C010、C001、C101、C011、C110、C111是包含待插值点的P的立方体八个最邻近顶点的污染浓度值；
[0038]将该公式得到的VOCs浓度数据更新到数组中。
[0039]S33：针对空间中每一个待插值点，重复S31、S32，从而得到待测空间中所有点的VOCs浓度。
[0040]由上述技术方案可知，本专利技术的基于线性插值的VOCs浓度预测方法，具体为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于线性插值的VOCs浓度预测方法，其特征在于，包括以下步骤，S1、使用搭载气体分析仪的无人机采集待测空间的VOCs浓度；S2、根据采集数据，进行数据预处理，使用二维线性插值完成待测空间外框面的VOCs浓度数据填充；S3、根据采集数据和上步骤中得到的外框面数据，使用三维空间线性插值对待测矩形体内部点进行插值填充。2.根据权利要求1所述的基于线性插值的VOCs浓度预测方法，其特征在于：所述步骤S1具体包括，S11：将灵嗅气体分析仪安装到无人机上；S12：控制无人机采集待测矩形体空间六个面的VOCs浓度数据；S13：控制无人机采集待测空间矩形体内部VOCs浓度数据。3.根据权利要求2所述的基于线性插值的VOCs浓度预测方法，其特征在于：所述上述步骤S2具体包括如下细分步骤S21至S22：S21：根据采集到的数据，使用最邻近插值法进行插值，填充待测空间矩形体十二条棱上的数据；创建一个大小为L*W*H的三维数组，其中L为待测空间在长度上采集数据点和待插值数据点的个数之和、W为待测空间在宽度上采集数据点和待插值数据点的个数之和、H为待测空间在高度上采集数据点和待插值数据点的个数之和；对于待插值点P，遍历数组，找出距离P点最近的点，以该点的空度污染浓度作为P点的VOCs浓度，并将P点空气污染数据存入数组的对应位置；S22：根据S21得到的棱上数据和无人机采集到的数据，在外框面建立xOy坐标系，Q
11
,Q
12
,Q
21
,Q
22
应为在x轴方向、y轴方向上距离待插值点最近的点；使用二维线性插值法得到待测空间矩形体外框面的数据，具体公式如下：x，y是待插值点P的x轴向坐标和y轴向坐标；(x1，y1)和(x2，y2)是待二维插值点P最临近两点坐标。4.根据权利要求3所述的基于线性插值的VOCs浓度预测方法，其特征在于：所述上述步骤S3，具体包括如下细分步骤S31至S33：S31：对于待插值点P(x，y，z)，使用最邻近插值法得到点c
000
(x+1，y+1，z+1)、c
001
(x+1，y+1，z
‑
1)、c
010
(x+1，y
‑
1，z+1)、c
011
(x+1，y
‑
1，z
‑
1)、c
100
(x
‑
1，y+1，z+1)、c
101
(x
‑
1，y+1，z
‑
1)、c
110
(x
‑<...

【专利技术属性】
技术研发人员：李兵兵，康宇，刘增林，曹洋，夏秀山，许镇义，
申请(专利权)人：安徽省生态环境监测中心安徽省重污染天气预报预警中心，
类型：发明
国别省市：