基于大气扩散机制的空气污染监测系统及其监测方法技术方案

本发明专利技术提供一种基于大气扩散机制的空气污染监测系统及其监测方法。获得智慧城市运行大脑基础层感应和上传的空气污染物数据，建立空气污染物数据的时间序列，进而执行空气污染物大气扩散特征的多维度分解，建立污染物扩散特征向量；进而利用支撑层的污染物识别模型，进行污染物动态标签的识别和标注，该污染物识别模型是以污染物扩散特征向量结合污染物动态标签的样本，执行深度训练后的神经网络模型；基于该污染物动态标签，在智慧城市运行大脑的应用层进行体现污染物动态扩散性为目的的可视化显示和图表化动态演示。的可视化显示和图表化动态演示。的可视化显示和图表化动态演示。

【技术实现步骤摘要】
基于大气扩散机制的空气污染监测系统及其监测方法


[0001]本专利技术涉及智慧城市
，特别涉及一种基于大气扩散机制的空气污染监测系统及其监测方法。

技术介绍

[0002]近年来，智慧城市运行大脑平台技术逐步成熟，得到越来越广泛的应用。智慧城市运行大脑以各类传感器和智能前端设施构建基础层，实现相关事件和数据的感知上报；进而，在支撑层实现数据集成，并融合各种面向细分领域和专业场景的支撑功能和算法进行数据分析；最终，支持在应用层实现各种城市运行相关的业务流程，执行图形化的显示和图表统计，实现预警和辅助决策功能。
[0003]空气污染监测和管理是当前城市运行面临的主要任务之一，也是智慧城市运行大脑发挥其功能的重要场景。基于智慧城市运行大脑的基础层的传感器和监测微站，实现对空气PM2.5、VOC等污染物浓度数据的信息感知、采集和上传；进而，可以结合城市GIS空间地图，实现空气污染状况分布的可视化分级展示，并配合统计数据进行分时段、分区域的图表化动态演示。
[0004]大气污染是一个具有高度时变性的非稳态机制，特别是污染物在大气中的扩本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大气扩散机制的空气污染监测系统，其特征在于，包括：基础层接口，用于接收基础层的传感器和监测微站上传的空气污染物数据；污染物数据解析单元，用于建立空气污染物数据的时间序列，进而执行空气污染物大气扩散特征的多维度分解，建立污染物扩散特征向量；污染物识别单元，通过内置的污染物识别模型，输入所述污染物扩散特征向量，识别并标注污染物动态标签；所述污染物识别模型是以污染物扩散特征向量结合污染物动态标签的样本，执行深度训练后的神经网络模型；可视化单元，基于所述污染物动态标签，在智慧城市运行大脑的应用层进行可视化显示和图表化动态演示。2.根据权利要求1所述的基于大气扩散机制的空气污染监测系统，其特征在于，所述污染物数据解析单元建立空气污染物数据的时间序列，进而将该时间序列基于反映空气污染物大气扩散特征的多个维度分解为污染物扩散特征向量：其中表示空气污染物数据的长期维度序列，表示空气污染物数据的季节维度序列，表示空气污染物数据的短期维度序列,所述长期维度主要由城市区域的长期性污染源和常态气候变化等因素影响，季节维度由城市区域的季节性污染源和气象条件的季节变化引起，短期维度变量为残差，受小尺度天气系统和短期污染排放变化影响。3.根据权利要求2所述的基于大气扩散机制的空气污染监测系统，其特征在于，所述污染物识别模型包括第一特征编码器和一个第二特征编码器，通过以污染物扩散特征向量结合污染物动态标签的样本训练，所述第一特征编码器获得污染物扩散特征向量的特征编码，所述第二特征编码器获得污染物动态标签的特征编码，进而以特征编码序列的相似度构建评估训练成熟的损失函数；并且，所述污染物识别模型还包括对所述第一特征编码器和第二特征编码器分别得到污染物动态标签和污染物扩散特征向量的特征编码二者建立的线性投影矩阵，其中污染物扩散特征向量的特征编码的线性投影矩阵参数为，污染物动态标签的特征编码的线性投影矩阵参数为。4.根据权利要求3所述的基于大气扩散机制的空气污染监测系统，其特征在于，所述第一特征编码器表示为，该第一特征编码器的为污染物动态标签样本，为该第一特征编码器全部参数构成的参数向量。5.根据权利要求4所述的基于大气扩散机制的空气污染监测系统，其特征在于，第二特征编码器表示为，该编码器采用ResNet形式的神经网络，其中为污染物扩散特征向量样本，为该ResNet神经网络全部网络参数构成的参数向量。6.根据权利要求5所述的基于大气扩散机制的空气污染监测系统，其特征在于，所述污染物扩散特征向量结合污染物动态标签的样本的集合表示为；其中、
…
为不同样本时序窗口内的污染物扩散特征向量样本, 、
…
为与各污染物扩散特征向量...

【专利技术属性】
技术研发人员：郭志英，黄昆田，鹿馨方，
申请(专利权)人：北京亦庄智能城市研究院集团有限公司，
类型：发明
国别省市：