【技术实现步骤摘要】
本专利技术属于空气质量检测应用，尤其涉及一种基于大数据分析的环境与评级系统。
技术介绍
1、
2、现有空气质量评级方法侧重于研究单一因素和空气质量等级之间的关系。而空气质量评级是一个复杂的动态过程，地理特征、气候特点以及污染物的排放量均会对空气质量的评级造成影响。仅仅使用单一因素建立的空气质量评级模型，不能很好地解决各类数据间的特征共享，对提高检测的有效性、便利性以及实时性没有显著的效果。
技术实现思路
1、本专利技术针对所存在的技术问题，提出一种设计合理、方法简单、理论性强且能够明确与空气质量等级相关度高的评价参数指标、解决实时分析困难、实际运用难度大等问题的一种基于大数据分析的环境与评级系统。
2、为了达到上述目的，本专利技术采用的技术方案为：一种基于大数据分析的环境与评级系统，包括如下步骤：
3、s1、通过数据信息系统获取目标区域的空气质量等级、空气质量评价参数指标以及天空图像的数据集；
4、s2、标准化处理，对空气质量参数指标进行标准化，以消除不同指标间的量纲和数量级影响，标准化公式为：
5、
6、其中，xij为第i个已有空气质量样本的第j个评价参数指标的原始值，x'ij为第i个样本的第j个评价参数指标标准化后的值，和sj分别为第j个评价参数指标的均值和标准差；
7、s3、特征提取，基于改进的主成分分析算法对标准化后的已有空气评价参数指标进行特征提取，得到两组特征变量，所述改进的主成分分析算
8、s31、对空气质量评价参数指标进行相关性分析，基于pearson相关系数法对空气质量评价参数指标进行分析并判断指标之间的相关程度，由相关系数进行衡量，其计算公式为：
9、
10、其中cov(x,y)为任意两项评价参数指标(x与y)之间的协方差，σx与σy分别为x与y之间的标准差，μx和μy分别为x和y的均值，ρxy的取值范围为-1～1，相关系数的绝对值越大，说明2个指标的相关性越强，对相关性较差的指标进行线性化处理；
11、s32、计算所有评价参数指标的特征比重，其计算公式为：
12、
13、其中，pij为第i个样本的第j项评价参数指标的特征比重；
14、s33根据各项评价参数指标的特征比重计算评价参数指标的权重，其计算公式为：
15、
16、其中，ej为第j项评价参数指标对应的熵值，wj为第j项评价参数指标的权重；
17、s34、根据各项评价参数指标的权重，结合局部影响归一化，对原始数
18、据进行中心化，其计算公式为：
19、
20、其中，为所有评价参数指标的均值，x'为中心化之后样本的值的集合，xj为第j个评价参数指标的值；
21、s35、计算并求解协方差矩阵的特征值和特征向量，降序排列后的前k个特征值即为主成分分析后的k个主成分；
22、s4、特征融合，对特征提取得到的两组特征变量与从天空图像中提取出的图像特征进行特征层融合，得到融合后的特征数据，将特征数据划分为训练集数据和测试集数据；
23、s5、搭建多特征融合的空气质量评级lstm模型，用训练集数据对模型进行训练，用测试集数据测试lstm模型的准确率，得到多特征融合的空气质量评级lstm模型；
24、s6、收集待评估区域的空气质量样本的空气质量评价参数指标以及天空图像并对其同已有空气质量样本进行预处理，包括标准化处理、特征提取以及特征融合；
25、s7、将处理好的数据导入多特征融合的空气质量评级lstm模型，得到待评估区域的空气质量等级。
26、作为优选，所述s1步骤的空气质量参数指标包括：so2，no2，co，o3，pm2.5、pm10，空气质量等级包括：一级、二级、三级、四级、五级以及六级。
27、作为优选，所述s3步骤的两组特征变量的数量分别小于已有空气质量样本相关的评价参数指标的数目。
28、作为优选，所述s3步骤的改进的主成分分析算法，基于主成分分析算法，在数据处理前分析了各评价参数指标之间的相关性，对相关性较差的评价参数指标进行线性化处理；在对数据中心化时，综合考虑各个评价参数指标的参数权重，同时考虑到单一评价参数指标的局部影响，并对局部影响归一化，在一定程度上缓解模型出现过拟合。
29、作为优选，所述s4步骤的特征融合，使用堆叠式去噪自动编码器来学习空气质量样本的评价参数指标特征以及天空图像的特征，并使用受限玻尔兹曼机对他们的关系进行建模，得到融合后的特征，最后使用融合后的特征建立多特征融合的空气质量评级lstm模型。
30、作为优选，所述s5步骤的lstm模型，采用多层lstm相融合，并采用误差反向传播方法调整多层lstm模型的参数，进而得到稳定收敛的多层lstm模型。
31、与现有技术相比，本专利技术的优点和积极效果在于：
32、1、本专利技术提出的改进的主成分分析算法，在主成分分析算法的基础上，考虑到各评价参数指标之间的相关性，并在数据处理前分析了各评价参数指标之间的相关性，对相关性较差的指标进行线性化处理；在对数据中心化时，综合考虑各个评价参数指标的权重，同时考虑单一评价参数指标的局部影响，并对局部影响归一化，在一定程度上缓解模型出现过拟合；大大提高了主成分的各个特征解释性，在避免大量数据的同时确保保留信息量的最大化与最优化。
33、2、本专利技术采用的特征融合方法，采用的天空图像为手机实时拍摄，使用堆叠式降噪自动编码器来学习空气质量样本的评价参数指标以及天空图像特征，并使用受限玻尔兹曼机对他们的关系进行建模，得到融合后的特征；后续只需实时拍摄目标区域的天空图像并结合空气质量评价参数指标，基于融合后的特征建立多特征融合的空气质量评级lstm模型，便能够简单、实时、有效、动态地对不同时刻、不同位置的空气质量等级及其动态变化情况进行评价。
本文档来自技高网...【技术保护点】
1.一种基于大数据分析的环境与评级系统，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于大数据分析的环境与评级系统，其特征在于，所述S1步骤的参数指标包括：SO2，NO2，CO，O3，PM2.5，PM10，空气质量等级包括：一级、二级、三级、四级、五级以及六级。
3.根据权利要求1所述的一种基于大数据分析的环境与评级系统，其特征在于，S3步骤的两组特征变量的数量小于已有空气质量评价参数指标的数目。
4.根据权利要求1所述的一种基于大数据分析的环境与评级系统，其特征在于，所述S3步骤的改进的主成分分析算法，基于主成分分析算法，在数据处理前分析了各评价参数指标之间的相关性，对相关性较差的评价参数指标进行线性化处理；在对数据中心化时，综合考虑各个评价参数指标的参数权重的同时，考虑单一评价参数指标的局部影响，并对局部影响归一化，在一定程度上缓解模型出现过拟合。
5.根据权利要求1所述的一种基于大数据分析的环境与评级系统，其特征在于，所述S4步骤的特征融合，使用堆叠式去噪自动编码器来学习空气质量样本的评价参数指标以及天空图像的特征
...【技术特征摘要】
1.一种基于大数据分析的环境与评级系统，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于大数据分析的环境与评级系统，其特征在于，所述s1步骤的参数指标包括：so2，no2，co，o3，pm2.5，pm10，空气质量等级包括：一级、二级、三级、四级、五级以及六级。
3.根据权利要求1所述的一种基于大数据分析的环境与评级系统，其特征在于，s3步骤的两组特征变量的数量小于已有空气质量评价参数指标的数目。
4.根据权利要求1所述的一种基于大数据分析的环境与评级系统，其特征在于，所述s3步骤的改进的主成分分析算法，基...
【专利技术属性】
技术研发人员：邢妍，张志国，
申请(专利权)人：聊城市茌平区环境监控中心，
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。