【技术实现步骤摘要】
本专利技术涉及大气无组织监测仪领域，尤其是涉及遮罩检测预警，具体为一种基于模型训练的扩散式大气无组织监测仪遮罩检测方法。
技术介绍
1、环保部门可以利用扩散式大气无组织监测仪来检测工厂、车辆等排放的废气中的污染物，如二氧化硫、氮氧化物、颗粒物、tvoc等。通过监测这些污染物，可以评估排放是否符合国家标准，以判断其对环境和人类的影响。
2、但是在实际使用时，有部分企业为了逃避监管，会用塑料袋遮罩扩散式大气无组织监测仪的进气口，导致监测仪无法监测实际环境气体。因此，如何低成本、高效的发现这种违法行为，是扩散式大气无组织监测应用中的一个难点。
技术实现思路
1、鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于模型训练的扩散式大气无组织监测仪遮罩检测方法，用于解决现有技术的难点。
2、为实现上述目的及其他相关目的，本专利技术提供一种基于模型训练的扩散式大气无组织监测仪遮罩检测方法，包括以下步骤：
3、s1：训练样本生成：
4、通过在现场部署m台扩散式大气无组织监测仪，随机选取n台扩散式大气无组织监测仪进行塑料袋遮罩；
5、s2：特征提取：
6、s2.1：采集每一台扩散式大气无组织监测仪的监测因子、温度、湿度的分钟监测数据，取固定时长过去24小时的历史分钟数据hdata24h；
7、s2.2：通过近似熵算法提取hdata24h的监测因子的近似熵，以表示该时间序列的数据复杂性特征，其中遮罩后的监测仪
8、s2.3：对hdata24h的监测因子、温度、湿度的分钟数据进行特征提取，计算监测因子特征与温度、湿度特征的相关性rt和rh，得到温湿度相关性r＝rt+rh，其中遮罩后的监测仪的数据与温湿度相关性变弱，相关性低；
9、s3：遮罩检测模型训练：
10、s3.1：采集x天的现场数据，将前x-10天的数据用于作为训练集，后10天数据作为验证集；
11、s3.2：将x天的数据，每天24小时数据作为训练样本，分别通过步骤s2.2和s2.3提取监测因子的数据复杂度和温湿度相关性特征；
12、s3.3：基于前x-10天数据进行逻辑回归模型训练分类模型，类别为无遮罩(0)和有遮罩(1)，后10天数据进行超参数选择，使得训练集分类精度通过评价指标达到95％-98％；
13、s4：将经过步骤s3训练后的模型部署在扩散式大气无组织监测仪所用平台中进行遮罩检测预警。
14、根据优选方案，s2.3中采用自动编码器网络对数据进行特征提取。
15、根据优选方案，在s1中，n台被遮罩的扩散式大气无组织监测仪中n/2台进行全部遮罩，与外界环境隔离，另n/2台采用部分遮罩，降低气体扩散效率。
16、根据优选方案，还包括对通过s3生成的遮罩检测模型的评估，包括以下步骤：
17、s1：对现场部署的m台扩散式大气无组织监测仪进行随机重新遮罩，随机选取n台扩散式大气无组织监测仪进行塑料袋遮罩，n台被遮罩的扩散式大气无组织监测仪中n/2台进行全部遮罩，与外界环境隔离，另n/2台采用部分遮罩，降低气体扩散效率；
18、s2：采集m台扩散式大气无组织监测仪10天的数据，包括监测因子、温度、湿度的分钟监测数据；
19、s3：将10天的数据，每天24小时数据作为训练样本，分别通过权利要求1中的s2.2和s2.3步骤提取监测因子的数据复杂度和温湿度相关性特征，通过测试集数据对分类模型通过评价指标进行评估，得到的测试集精度大于90％即为合格。
20、根据优选方案，测试集精度范围在91％-93％之间。
21、根据优选方案，监测因子包括tvoc，pm2.5，pm10，so2，no2，o3，co。
22、根据优选方案，评价指标采用分类精度确认，精度计算方式为:
23、
24、其中，tp：真正，被模型分类正确的正样本，预测为1，实际为1；
25、fn：假负，被模型分类错误的正样本，预测为0，实际为1；
26、fp：假正，被模型分类错误的负样本，预测为1，实际为0；
27、tn：真负，被模型分类正确的负样本，预测为0，实际为0。
28、本专利技术通过对足够样本数量的扩散式大气无组织监测仪模拟遮罩进行现场部署，并采集现场数据，包括监测因子、温度、湿度，并对历史数据进行特征提取，模型训练和评估，提高精度，起到了对遮罩检测预警的效果。
29、下文中将结合附图对实施本专利技术的最优实施例进行更详尽的描述，以便能容易地理解本专利技术的特征和优点。
本文档来自技高网...【技术保护点】
1.一种基于模型训练的扩散式大气无组织监测仪遮罩检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于模型训练的扩散式大气无组织监测仪遮罩检测方法，其特征在于，所述S2.3中采用自动编码器网络对数据进行特征提取。
3.根据权利要求2所述的基于模型训练的扩散式大气无组织监测仪遮罩检测方法，其特征在于，在所述S1中，N台被遮罩的扩散式大气无组织监测仪中N/2台进行全部遮罩，与外界环境隔离，另N/2台采用部分遮罩，降低气体扩散效率。
4.根据权利要求3所述的基于模型训练的扩散式大气无组织监测仪遮罩检测方法，其特征在于，还包括对通过S3生成的遮罩检测模型的评估，包括以下步骤：
5.根据权利要求4所述的基于模型训练的扩散式大气无组织监测仪遮罩检测方法，其特征在于，所述测试集精度范围在91％-93％之间。
6.根据权利要求5所述的基于模型训练的扩散式大气无组织监测仪遮罩检测方法，其特征在于，所述监测因子包括TVOC，PM2.5，PM10，SO2，NO2，O3，CO。
7.根据权利要求6所述的基于模型训练的扩散
...【技术特征摘要】
1.一种基于模型训练的扩散式大气无组织监测仪遮罩检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于模型训练的扩散式大气无组织监测仪遮罩检测方法，其特征在于，所述s2.3中采用自动编码器网络对数据进行特征提取。
3.根据权利要求2所述的基于模型训练的扩散式大气无组织监测仪遮罩检测方法，其特征在于，在所述s1中，n台被遮罩的扩散式大气无组织监测仪中n/2台进行全部遮罩，与外界环境隔离，另n/2台采用部分遮罩，降低气体扩散效率。
4.根据权利要求3所述的基于模型训练的扩散式大气无组织监测仪遮...
【专利技术属性】
技术研发人员：徐大江，林春艾，
申请(专利权)人：无锡新标信息技术有限公司，
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。