【技术实现步骤摘要】
本专利技术涉及智慧城市和大数据领域，尤其涉及一种应用于智慧城市的数据监测方法。
技术介绍
1、智慧城市是指运用先进的信息技术和通信技术，以及数据分析方法，对城市各个方面进行全面的数字化、智能化管理和运营的城市模式。在智慧城市中，基础设施如交通、能源、水资源等都通过先进的传感器和通信技术实现数字化监控和管理。大量的实时数据通过云计算和大数据分析技术被采集、处理和分析。
2、智慧城市环境数据监测具有以下特点：实时性： 环境数据监测系统能够实时收集和传输数据，使城市管理者能够迅速了解环境状况的变化，从而及时采取行动。多样性：这些系统可以监测多种环境参数，包括空气质量、噪音水平、温度、湿度、水质等。
3、水域环境数据监测是当今智慧城市环保数据管理的重要方面，由于其存在传感器种类多，水域数据实时变化量大，不同水域间相互影响等特点。因此，有必要针对水域数据监测的特性，提高监测分析的效率。
技术实现思路
1、针对现有技术之不足，本专利技术提供了一种应用于智慧城市的数据监测方法，包括：
2、基于水域监控设备在实时监测周期内摄取到若干水面环境监控图像分析得到目标水域内的大颗粒污染物在对应水面区域中的若干分布位置，根据每个大颗粒污染物的若干分布位置分析得到目标水域内大颗粒污染物的若干实时水面动态分布图，基于水域监测设备在上一监测周期内摄取到的水面环境监控图像确定目标水域内大颗粒污染物的若干历史水面动态分布图，利用目标水域内大颗粒污染物的若干实时水面动态分布图和若干历
3、基于水域监控设备在实时监测周期内摄取到的水面环境监控图像分析得到大颗粒污染物的前向流动轨迹、接触流动轨迹和后向流动轨迹，基于大颗粒污染物的前向流动轨迹、接触流动轨迹和后向流动轨迹分析得到目标水域的大颗粒污染物的水面滞留数据；
4、获取目标水域在实时监测周期内的多模态环境数据，提取水面滞留数据中大颗粒污染物的滞留时间字段和滞留区域字段，将所述滞留时间字段和滞留区域字段与多模态环境数据中的时间字段和区域字段进行匹配，在确定对应大颗粒污染物的水面滞留数据的滞留时间字段与对应多模态特征数据的时间字段相匹配、且所述大颗粒污染物的水面滞留数据的滞留区域字段与所述多模态环境数据的区域字段相匹配时，将所述水面滞留数据与所述多模态环境数据进行融合以得到目标水域的多维水域环境特征；
5、基于目标水域的全局污染量关联图和多维水域环境特征分析得到目标水域在下一个监测周期内的水面污染量，并将所述水面污染量发送给治理人员的用户终端。
6、根据一个优选实施方式，利用目标水域内大颗粒污染物的若干实时水面动态分布图和若干历史水面动态分布图生成目标水域的全局污染量关联图包括：
7、获取目标水域以及目标水域的各个相邻水域在实时监测周期内的多模态环境数据，以每个多模态环境数据对应的特征向量之间的归一化余弦相似度为连接边权重，以目标水域和目标水域的各个相邻水域为顶点为所述目标水域建立第一污染量关联图；
8、根据目标水域内大颗粒污染物的若干历史水面动态分布图分析得到目标水域在上一监测周期内的历史污染物迁移量，将目标水域的历史污染物迁移量与各个相邻水域的历史污染物迁移量进行比较、将目标水域的各个相邻水域的历史污染迁移量进行比较以得到各个水域之间的历史污染物迁移量的相似度，并以归一化后的相似度为连接边权重，以目标水域和目标水域的各个相邻水域为顶点为所述目标水域建立第二污染量关联图；
9、根据目标水域内大颗粒污染物的若干实时水面动态分布图分析得到目标水域与各个相邻水域之间在实时监测周期内的实时污染物迁移量，并以归一化后的实时污染物迁移量为连接边权重，以目标水域和目标水域的各个相邻水域为顶点为所述目标水域建立第三污染量关联图；
10、基于目标水域的第一污染量关联图、第二污染量关联图和第三污染量关联图为所述目标水域生成多模态的全局污染量关联图。
11、根据一个优选实施方式，基于目标水域的全局污染量关联图和多维水域环境特征分析得到目标水域在下一个监测周期内的水面污染量的步骤包括：
12、利用卷积神经网络获取全局污染量关联图的各个图层中每个顶点之间的传递特征以得到各个图层的图传递特征，其中，所述传递特征用于传递并更新对应图层中各个顶点之间的污染物变化量；
13、基于第一污染量关联图的第一邻接矩阵、第二污染量关联图的第二邻接矩阵和第三污染量关联图的第三邻接矩阵对全局污染量关联图的各个图层进行特征聚合以得到全局污染量关联图的聚合图特征，根据所述聚合图特征对全局污染量关联图的各个图层对应的图传递特征进行结合以得到所述全局污染量关联图的全局污染量传递特征；
14、将多维水域环境特征和全局污染量关联图对应的全局污染量传递特征进行拼接融合以得到目标水域在实时监测周期内的多维污染量关联特征；
15、获取目标水域在多个历史监测周期内的多维污染量关联特征，并将历史监测周期内的多维污染量关联特征作为训练数据输入至污染量预测模型中进行训练直至测试输出的预测水面污染量与实际水面污染量之间的误差最小化；
16、将目标水域在实时监测周期内的多维污染量关联特征输入至训练完成后的污染量预测模型中以预测得到目标水域在下一个监测周期内的水面污染量，其中，所述污染量预测模型包括输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、全连接层和输出层。
17、根据一个优选实施方式，基于水域监控设备在实时监测周期内摄取到的水面环境监控图像分析得到大颗粒污染物的前向流动轨迹、接触流动轨迹和后向流动轨迹包括：
18、将实时监测周期均匀划分为若干监测时间段，并任取一监测时间段作为目标监测时间段，基于目标监测时间段内由摄取到的若干水面环境监控图像分析得到的大颗粒污染物的若干扩散方向和若干扩散速度确定大颗粒污染物在目标监测时间段的下一监测时间段的预测扩散轨迹；
19、将大颗粒污染物的预测扩散轨迹沿目标水域的水体流动方向进行正交分解以得到大颗粒污染物在垂直于水体流动方向上的第一垂直扩散轨迹分量和平行于水体流动方向上的第一平行扩散轨迹分量，将大颗粒污染物的预测扩散轨迹对应的第一垂直扩散轨迹分量与实际扩散轨迹对应的第二垂直扩散轨迹分量进行比较以得到大颗粒污染物的垂直轨迹偏移量，将大颗粒污染物的预测扩散轨迹对应的第一平行扩散轨迹分量与实际扩散轨迹对应的第二平行扩散轨迹分量进行比较以得到大颗粒污染物的平行轨迹偏移量，其中，所述实际扩散轨迹由水域监控设备在目标监测时间段的下一个监测时间段内摄取到的若干水面环境监控图像分析得到；
20、在确定大颗粒污染物的垂直轨迹偏移量大于第一预设阈值或平行轨迹偏移量大于第二预设阈值时，从目标监测时间段的下一监测时间段内水域监控设备摄取到的水面环境监控图像分析得到阻碍大颗污染物扩散轨迹的目标阻碍物与对应大颗污染物之间的接触区域，并基于所述接触区域分析得到大颗粒污染本文档来自技高网...
【技术保护点】
1.一种应用于智慧城市的数据监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，利用目标水域内大颗粒污染物的若干实时水面动态分布图和若干历史水面动态分布图生成目标水域的全局污染量关联图包括：
3.根据权利要求2所述的方法，其特征在于，基于目标水域的全局污染量关联图和多维水域环境特征分析得到目标水域在下一个监测周期内的水面污染量的步骤包括：
4.根据权利要求3所述的方法，其特征在于，基于水域监控设备在实时监测周期内摄取到的水面环境监控图像分析得到大颗粒污染物的前向流动轨迹、接触流动轨迹和后向流动轨迹包括：
5.根据权利要求4所述的方法，其特征在于，基于所述接触区域分析得到大颗粒污染物的前向流动轨迹、接触流动轨迹和后向流动轨迹包括：
6.根据权利要求5所述的方法，其特征在于，水面滞留数据包括滞留状态数据、滞留时间数据和滞留区域数据，滞留时间数据包括滞留起始时间点、滞留结束时间点和滞留时长。
7.根据权利要求6所述的方法，其特征在于，多模态环境数据包括目标水域的各个水域段的水域状态数据对
8.根据权利要求7所述的方法，其特征在于，相邻水域为与目标水域相连接的分支水域。
...【技术特征摘要】
1.一种应用于智慧城市的数据监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，利用目标水域内大颗粒污染物的若干实时水面动态分布图和若干历史水面动态分布图生成目标水域的全局污染量关联图包括：
3.根据权利要求2所述的方法，其特征在于，基于目标水域的全局污染量关联图和多维水域环境特征分析得到目标水域在下一个监测周期内的水面污染量的步骤包括：
4.根据权利要求3所述的方法，其特征在于，基于水域监控设备在实时监测周期内摄取到的水面环境监控图像分析得到大颗粒污染物的前向流动轨迹、接触流动轨迹和后向流动轨迹包括：
5.根据权利要求4所述的方法，...
【专利技术属性】
技术研发人员：任治羽，郑熠，费欣，李孝杰，任红萍，
申请(专利权)人：成都信息工程大学，
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。