【技术实现步骤摘要】
结合传感网络和机器学习的大气污染源定位系统及方法
[0001]本专利技术涉及污染监测
,尤其涉及一种结合传感网络和机器学习的大气污染源定位系统及方法
。
技术介绍
[0002]随着工业化和城市化进程的加速,环境污染已成为全球性难题
。
针对污染源的精准定位成为有效治理环境污染的关键
。
现有的大气污染源定位技术通过机器人
、
无人机等方式定位成本过高,且不适用于复杂环境,数值模拟方法构建模型定位与实际环境相差太大,因此对大气污染源定位需要一种低成本符合实际环境的定位方法
。
技术实现思路
[0003]本专利技术目的就是为了弥补已有技术的缺陷,提供一种结合传感网络和机器学习的大气污染源定位系统及方法,本专利技术通过实测数据训练定位模型能够对区域内的污染源进行长期监测并定位,同时减少成本
。
[0004]本专利技术是通过以下技术方案实现的:
[0005]一种结合传感网络和机器学习的大气污染源定位方法,具体包括以下步骤:
[0006]S1
:由于根据扩散模型或仿真获取的数据都是在较为理想的条件下,并不能与实际污染源扩散相符,故本专利技术设计了一种数据集获取实验,获取在真实环境中污染源扩散后的监测数据集,同时对数据集进行筛选填充预处理完善扩散数据集
。
[0007]S2
:在
S1
获取的数据集基础上,本专利技术采用支持向量机
(SVM)
和深度 ...
【技术保护点】
【技术特征摘要】
1.
一种结合传感网络和机器学习的大气污染源定位方法,其特征在于:具体包括如下步骤:
S1
:设计数据集获取实验,获取在真实环境中污染源扩散后的监测数据集,同时对数据集进行筛选填充预处理完善数据集;
S2
:构建
SVM
和
DNN
方法构建污染源分级分类定位模型,将定位问题转化为分类问题;
S3
:将污染源分类定位模型导入后台监测终端,实时采集数据对污染源进行实时定位;后台监测终端上可视化监测区域的网格化模型,在
X
型网格位置标记监测站点;当后台监测终端通过定位模型判断出污染源位置时在地图网格中标注污染源位置
。2.
根据权利要求1所述的一种结合传感网络和机器学习的大气污染源定位方法
,
其特征在于:步骤
S1
所述的数据集获取实验具体包括
:S11
:将监测区域网格化划分,在网格监测区域
X
型位置网格处放置污染源气体监测装置,同时记录污染源气体监测装置的坐标数据;
S12
:记录无污染源时以及污染源置于每个网格时污染源监测装置的数据,改变污染源与污染源监测装置的相对高度,重复实验记录数据,保证一定的监测时间获取风向完整的数据集,整合所有位置的数据获得此区域内完整的数据集;
S13
:对数据集受环境原因所存在的干扰与异常数据,对数据集进行筛选填充处理;
S14
:处理风速异常数据,将风速突变为较大值时采集的后一段时间内的监测数据删除,保证数据集中风速的稳定性
。3.
根据权利要求2所述的一种结合传感网络和机器学习的大气污染源定位方法
,
其特征在于:步骤
S2
所述的构建
SVM
和
DNN
方法构建污染源分级分类定位模型,具体如下
:
更改数据集目标值样式,将原来的具体目标值污染源更改为分级模型目标污染源样式,对数据集进行标准化处理;分别构建
SVM、DNN
的一级分类和二级分类模型
。4.
根据权利要求3所述的一种结合传感网络和机器学习的大气污染源定位方法
,
其特征在于:所述的更改数据集目标值样式,具体如下
:S21
:更改数据集目标值样式,将污染源位置坐标转换为大小标签数据,划分子分类所属的一级大类别,更改数据集目标值为大小类别组合关系;
S22
:数据标准化处理,对序列
X1…
X
n
标准化公式为:这里
5.
根据权利要求3所述的一种结合传感网络和机器学习的大气污染源定位方法
,
其特征在于:所述的构建
SVM
一级分类和二级分类模型,具体如下:
S23
:在基础
SVM
...
【专利技术属性】
技术研发人员:胡俊涛,崔灿,张士诚,孙海东,蒋炬波,张翔,方勇,
申请(专利权)人:合肥工业大学,
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。