【技术实现步骤摘要】
基于机器学习技术的用于环境监测的智能传感系统框架
:
[0001]本专利技术涉及环境监测及机器学习领域,设计一种基于机器学习技术的用于环境监测的智能传感系统框架。
技术介绍
:
[0002]环境监测是指对环境中各种要素(如空气、水、土壤、噪声、电磁辐射等)运用化学、物理、生物、医学、遥测、遥感、计算机等现代科技手段进行长期、系统、科学、定性和定量的监测,以了解环境质量的变化情况、变化原因和变化趋势,并为环境管理、环境保护和环境规划提供科学依据。
[0003]机器学习是人工智能的分支之一,它是指利用计算机算法和模型,让计算机系统根据给定的数据和目标,自动提高其执行某一特定任务的能力,而无需进行明确的编程。简单来说,机器学习就是让计算机系统通过不断地学习和优化来提高自己的表现能力和准确性。在现代社会中,机器学习已经被广泛应用在物联网、自动驾驶、医疗诊断、金融风险评估、语音识别等各种场合,成为了科技发展和社会进步的重要驱动力。
[0004]现有技术缺陷:
[0005](a)难以广泛部署收集大空间数据。由于成本、能源、维护和数据传输能力等问题,特别是在水环境中,部署通常会受到数量的限制,难以广泛部署、收集大空间数据。
[0006](b)可靠性低。现代环境传感技术,因传感器漂移和生物附聚等环境因素引起传感器不可靠性,并进一步造成大多数水域的空间覆盖不足。
技术实现思路
:
[0007]为解决上述问题,本专利技术提供了一种基于机器学习技术的用于环境监测的智能传感系统框架,包括数据收集层、 ...
【技术保护点】
【技术特征摘要】
1.基于机器学习技术的用于环境监测的智能传感系统框架,其特征在于,包括数据收集层、数据处理层、信息层;所述数据收集层前端与进行环境监测的观测站点通信连接,后端则与数据处理层通信连接;用于从各观测站点原位传感器中提取数据,并存储数据到数据存储库,向数据处理层提供特定格式化的数据段;所述数据处理层从数据存储库中提取所需要的的数据段,通过机器学习,通过异常事件检测和聚类,将原位传感器测量值转换为用户易于理解和访问的有组织的信息;所述信息层用于为终端用户提供图形用户界面,显示原位传感器检测到的异常事件、原位传感器读数并供终端用户查询。2.如权利要求1所述的基于机器学习技术的用于环境监测的智能传感系统框架,其特征在于,数据收集层的工作流程包括:步骤1.1:预先在数据收集层接口中预定义各原位传感器的数据格式和通信方法;步骤1.2:数据收集层连接不同观测站点的多个数据源,并获取数据输入;步骤1.3:数据收集层以预定义的通信方法将获取的数据保存在集中的数据存储库中。3.如权利要求1所述的基于机器学习技术的用于环境监测的智能传感系统框架,其特征在于,数据处理层通过执行异常事件检测流程、异常特征提取流程、事件构建流程、事件特征提取流程、事件聚类流程实现异常事件检测和聚类。4.如权利要求3所述的基于机器学习技术的用于环境监测的智能传感系统框架,其特征在于,异常事件检测流程用于监测出异常的传感器数值,该流程包括如下步骤:步骤2.1:建立测量值趋势模型和异常分类;定义测量值趋势模型为B(t),B(t)是由近期预定时间段内N个从数据存储库中获取的N个测量值B
i
(t)组成的数组,即:B(t)={B1(t),...,B
i
(t),...,B
N
(t)}从数据存储库中获取新测量值I(t),新测量值I(t)分类依据如下:其中,dist(I(t),B
i
(t))表示新测量值I(t)和已知测量值B
i
(t)之间的距离,min(dist(I(t),B
i
(t)))表示新测量值I(t)与B(t)中所有元素距离的最小值,T(t)表示距离阈值,I∈(1,2,...,N);新测量值I(t)有为1则被认为异常,并执行步骤2.2;步骤2.2:计算距离Dist(),根据计算结果进行异常分类;5.如权利要求4所述的基于机器学习技术的用于环境监测的智能传感系统框架,其特征在于,异常事件检测流程中,如果新测量值I(t)被赋值为0,归类为正常值,则还包括更新测量值趋势模型B(t)及更新距离阈值T(t)的步骤:更新测量值趋势模型B(t)的方式为:步骤a.随机选择B
i
(t)∈B(t)步骤b.令B
i
【专利技术属性】
技术研发人员:张殿,肖振宇,刘子璇,周孝尚,高大勇,
申请(专利权)人:海南大学,
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。