【技术实现步骤摘要】
基于智能物联网和深度学习相结合的空气质量评估方法
[0001]本专利技术涉及农村农业、环境、智能物联、人工智能
，特别涉及一种基于智能物联网和深度学习相结合的空气质量评估方法。
技术介绍
[0002]对应我国传统农村的人口结构已中老年常驻人口为主，特殊的人口结构决定，气质量的对传统农村居住人口的身体健康及生活质量的影响更显得至关重要。其中，空气中不同的污染物包括SO2 (二氧化硫)、NO2(二氧化氮)，PM2.5以及PM10等能引起的各种人类慢性疾病，多项研究也表明，暴露于高度污染的环境将导致人类的心血管疾病和呼吸系统疾病。但现有对传统农村的空气质量影响要素的采集大都费时费力，而且及时性不足，数据可靠性低，同时没有可靠的空气质量评估的方法。
[0003]因此，亟待一种依托规范、省时省力、及时性更足、可靠性更高的以及更适合农村空气质量评估的方法。
技术实现思路
[0004]本专利技术提供一种基于基于智能物联网和深度学习相结合的空气质量评估方法及系统，以用于解决现有对传统农村的空气质量影响要素的采集...
【技术保护点】
【技术特征摘要】
1.一种基于智能物联网和深度学习相结合的空气质量评估方法，其特征在于，包括以下步骤：步骤S1，按照预设要求布设多个传感器节点，以实时采集多个污染因子、风速和风向作为监测数据；步骤S2，通过空气污染指数的浓度限值参照表和空气指数分数值处理所述监测数据，得到任一节点位置的空气指数分数值，并存储至预设数据库；步骤S3，采用协同克里金插值计算方法对所述任一节点位置的空气指数分数值进行处理，以计算出未知节点位置的预测空气质量指数，并存储至所述预设数据库；步骤S4，根据所述未知节点位置的空气质量指数再布置多个传感器节点，获得未知节点位置的实际空气质量指数，并存储至所述预设数据库；步骤S5，读取所述预设数据库中多个节点位置的预测空气质量指数以及其对应的多个节点位置的实际空气质量指数，以构建训练集和测试集；步骤S6，利用所述训练集对基于深度学习循环神经网络模型进行训练，得到基于深度学习循环神经网络的空气质量指数修正模型；步骤S7，将待修正未知节点位置的预测空气质量指数输入所述基于深度学习循环神经网络的空气质量指数修正模型中，得到未知节点位置的实际空气质量指数，并根据所述未知节点位置的实际空气质量指数建立空气质量报告。2.根据权利要求1所述的基于智能物联网和深度学习相结合的空气质量评估方法，其特征在于，所述步骤S2具体包括：步骤S201，通过空气污染指数的浓度限值参照表和空气指数分数值处理所述监测数据，得到每个空气污染因子的空气指数分数值；步骤S202，对每个空气污染因子的空气指数分数值进行比较，筛选出最大空气指数分数值，并将所述最大空气指数分数值作为所述任一节点位置的空气指数分数值，并存储至预设数据库中。3.根据权利要求1所述的基于智能物联网和深度学习相结合的空气质量评估方法，其特征在于，所述步骤S3具体包括：步骤S301，将地势和风向引入协同克里金插值算法中，得到协半变异函数；步骤S302，对所述协半变异函数进行拟合，以计算得到权重系数，根据所述权重系数处理所述任一节点位置的空气指数分数值，以求解所述未知节点位置的空气质量指数，并将其至预设数据库中。4.根据权利要求3所述的基于智能物联网和深度学习相结合的空气质量评估方法，其特征在于，所述拟合协半变异函数为：其中，为协半变异函数，为由分开的成对样本点的数量，为样本点，为两点之间的距离，为点关于风向变量的属性值，为点关于地势变量的属性值。5.根据权利要求1所述的基于智能物联网和深度学习相结合的空气质量评估方法，其
特征在于，所述未知节点位置的空气质量指数为：其中，为未知节点位置的空气质量指数，为样本节点，为风向变量的样本节点数量，为风向变量待定的权重，为风向变量的属性值，为地势变量的样本节点数量，为地势变量待定的权重，为地势变量的属性值。6.根据权利要求1所述的基于智能物联网和深度...
【专利技术属性】
技术研发人员：赵明，于福东，靳海科，王亮，唐志会，王莫寒，赵恩泽，朱丽羽，李晓爽，陈忠磊，崔宇婷，郭琦，高跃，
申请(专利权)人：吉林省中农阳光数据有限公司，
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。