一种基于大数据的微型空气站自校准方法技术

本发明专利技术涉及一种基于大数据的微型空气站自校准方法，其中，数据处理模块对至少一个高精度设备和若干空气微站的距离、风速等数据进行判断处理，按顺序执行条件判断，符合相同环境气体条件后，获取数据流：所述数据处理模块对所述数据流进行数据预处理；所述数据处理模块对数据流进行有效数据判断；对有效数据序列建立训练模型；根据训练模型获得的校准参数建立评价模型；从评价模型中选择校准参数进行结果输出，数据处理模块利用该校准系数修正空气微站的监测值，完成校准修正。本发明专利技术的自校准方法提高了校准效率，节约了校准成本，采用存储多组校准参数的方法，克服了差数据带来的校准误差，提高了模型自校准的数据可靠性。提高了模型自校准的数据可靠性。提高了模型自校准的数据可靠性。

【技术实现步骤摘要】
一种基于大数据的微型空气站自校准方法


[0001]本专利技术属于环保领域，特别是涉及一种基于大数据的微型空气站自校准方法。

技术介绍

[0002]环境污染问题尤其是大气污染问题，不止带来了严重的生态破坏，还威胁着人类的生命健康。目前，建成的环境空气质量监测网络主要以国家环境空气质量自动监测站(简称“国控站”)、省控环境空气质量自动监测站(简称“省控站”)为主，小型的环境空气监测站(简称“空气微站”)为辅；应用物联网、大数据等信息化技术，能够及时发现污染源，为环境污染精细化防控提供快速有效的决策支持。其中，国控站、省控站使用的监测设备数据精度高，但建设和维护成本高，限制其建站密度，导致环境监测网无法全面覆盖；空气微站使用的是低成本传感器，成本低，体积小，补充了国控站和省控站的不足，被广泛应用于城市网格化环境监测，但低成本传感器在使用一段时间后就会出现数据漂移、校准曲线漂移等问题，严重影响了监测数据的质量。因此需要通过定期校准来提高空气微站监测数据的质量。
[0003]城市网格化环境监测所使用的空气微站一般相距1～2km，分布广泛、数量大、且安装后不易拆卸。目前常用的校准方法有：1.采用标准物质进行校准，与检定校准规程中方法一致，该方法具有精度高的优点；但效率低，成本高，完成所有空气微站的校准工作量将非常大，几乎不可行。2.参照量值传递方法进行校准，图1为设备量值传递校准示意图，即采用校准过的高精度设备对空气微站所使用的低成本传感器进行传递校准。图2为设备量值传递校准
‑
进气示意图，按照量值传递校准要求，需确保“环境空气1”和“环境空气2”为相同样气，这样才能进行比对。该方法校准精度高，但缺点也是效率低、成本高、工作量大。
[0004]近年来，业界人员一直在研究一种远程自校准方法，以提高校准效率并节约成本，研究中大部分都融合了物联网、大数据等信息技术。
[0005]例如，专利“基于机器学习算法的云端数据联调校准方法”(CN 108469273 A)通过回归模型分析空气质量监测微站和国家标准监测站的数据规律性，利用相关系数和偏离度来判断是否需要校准，采用一元线性回归模型训练校准系数，并对颗粒物传感器进行了检验。在该专利有未解决以下问题，1.未描述在什么条件下，“环境空气1”和“环境空气2”可以近似为相同样气；2.建模需要有效数据，垃圾数据会给模型带来很大的误差，该专利并未对此描述；3.若模型校准效果差，无法进行自动修复；4.电化学气体传感器存在明显的交叉影响，专利中并未涉及修正方法。
[0006]专利“一种环境空气质量监测智能校准方法”(CN 112394137 A)采用神经网络模型对空气微站和国家标准站监测数据进行训练，并用SO2传感器进行了检验。该专利有以下问题未解决，1.未描述在什么条件下，“环境空气1”和“环境空气2”可以近似为相同样气；2.模型复杂，且未展示模型效果；3.SO2电化学气体传感器存在明显的交叉影响，专利中并未涉及修正方法。
[0007]专利“环境空气监测的传感器远程校准方法及环境空气质量监测装置”(CN 112147280A)只对传感器的零点漂移进行校准，并未解决校准曲线漂移的问题。专利“空气
质量监测数据校准方法、装置、设备和存储介质”(CN 110426493 A)提出气象数据满足稳态要求时，可以进行空气微站数据校准，但是该专利并未描述详细的气象参数。
[0008]综上，目前亟需提出一种可实用的远程自校准方法，实现“环境空气1”和“环境空气2”可以近似为相同样气，减小垃圾数据对校准效果的影响，修正电化学传感器交叉影响，从而真正提高空气微站的数据质量。

技术实现思路

[0009]本专利技术旨在建立一种可实用的远程自校准方法，其基于空间、气象、环境监测数据的能够自动校准微型空气站的方法，即基于大数据的微型空气站自校准方法。
[0010]本专利技术提供了一种基于大数据的微型空气站自校准方法，其包括：步骤一、数据处理模块对至少一个高精度设备和若干空气微站的距离、风速等数据进行判断处理，按顺序执行条件判断，符合相同环境气体条件后，获取数据流：步骤二、数据预处理，所述数据处理模块对所述数据流进行数据预处理；步骤三、所述数据处理模块对数据流进行有效数据判断；步骤四、对有效数据序列建立训练模型；步骤五、根据训练模型获得的校准参数建立评价模型；步骤六、从评价模型中选择校准参数进行结果输出，数据处理模块利用该校准系数修正空气微站的监测值，完成校准修正。
[0011]其中，判定高精度设备和空气微站之间的距离满足距离阈值，该距离阈值为1.5Km。
[0012]其中，判断高精度设备和空气微站之间的风速是否满足风速阈值，所述风速阈值为3m/s。
[0013]其中，所述步骤二包括对高精度设备环境空气监测数据按照污染物因子依次进行预处理，发现异常值和空值后，进行删除；同时删除对应因子对应时刻空气微站监测数据.
[0014]其中，所述步骤三中对高精度站点与空气微站对应污染物因子进行相关性计算，判断相关性是否一致。
[0015]本专利技术公开了一种基于大数据的微型空气站自校准方法，能够通过模型训练，分析后能自动找到适合当地空气微站的校准条件和有效数据特征判断方法。该方法能够基于空间、气象、环境监测数据判断校准时机，建立筛选有效建模数据的方法，通过可解释性强的线性回归模型建模，并修正气体交叉干扰影响，通过建立校准参数成本函数，避免校准失败无法恢复。该方法具有自动化，学习能力强，具有自恢复功能，易于编程实现，能够有效提高空气微站中颗粒物传感器和气体传感器的数据质量。
[0016]本专利技术的自校准方法提高了校准效率，节约了校准成本，采用存储多组校准参数的方法，克服了差数据带来的校准误差，提高了模型自校准的数据可靠性。
附图说明
[0017]图1为设备量值传递校准示意图；
[0018]图2为设备量值传递校准
‑
进气示意图；
[0019]图3为数据来源示意图；
[0020]图4为本专利技术的高精度设备校准周围空气微站示意图；
[0021]图5为本专利技术的自校准流程图。
具体实施方式
[0022]为了便于理解本专利技术，下面结合附图对本专利技术的实施例进行说明，本领域技术人员应当理解，下述的说明只是为了便于对专利技术进行解释，而不作为对其范围的具体限定。
[0023]图3为环境空气监测数据采集存储计算示意图。在本专利技术的自校准方法中，数据采集模块采集数据后，通过通信模块上传到大数据平台上，数据处理模块在大数据平台上运行。
[0024]所述数据采集模块包括至少一个高精度设备和若干个空气微站，所述至少一个高精度设备优选为国控站或省控站空气监测设备，所述至少一个高精度设备也可以为自建的高精度空气监测设备；所述数据采集模块所采集的数据主要包括：风速、风向、温度等气象数据，还有经纬度等GPS数据，以及颗粒物和气态污染物监测数据。图4所示为本专利技术的高精度设备校准周围空气微站示意图。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的微型空气站自校准方法，其特征在于：步骤一、数据处理模块对至少一个高精度设备和若干空气微站的距离、风速等数据进行判断处理，按顺序执行条件判断，符合相同环境气体条件后，获取数据流：步骤二、数据预处理，所述数据处理模块对所述数据流进行数据预处理；步骤三、所述数据处理模块对数据流进行有效数据判断；步骤四、对有效数据序列建立训练模型；步骤五、根据训练模型获得的校准参数建立评价模型；步骤六、从评价模型中选择校准参数进行结果输出，数据处理模块利用该校准系数修正空气微站的监测值，完成校准修正。2.如权利要求1所述的基于大数据的微型空气站自校准方法，其特征在于：判定高精度设...

【专利技术属性】
技术研发人员：宋海宾，吴丽，马若梦，林鸿，马路遥，
申请(专利权)人：郑州计量先进技术研究院，
类型：发明
国别省市：