大数据环境污染监测方法及系统技术方案

本发明专利技术公开了大数据环境污染监测方法及系统，包括参数测量终端、现场监控端，参数测量终端负责采集被检测环境参数信息，在现场监控端中有环境安全等级监测子系统，通过网关节点实现参数测量终端、现场监控端、云平台和手机APP的双向通信，其中检测终端、现场监控端加载有实现大数据环境污染监测方法的计算机程序步骤。本发明专利技术利用物联网、传感器、智能控制、大数据网和云平台等构成在环境污染在线自动监测体系，将生态、空气、污染源和地表水等监测区域划分为多个分簇，通过对应传感器组对各分簇的综合指标进行采集，将采集到的信息通过网关汇总后传递到现场监控端和云平台，在现场监控端处理采集到的环境信息和分析环境污染物分布规律，使环境状态更加清楚明朗。使环境状态更加清楚明朗。使环境状态更加清楚明朗。

【技术实现步骤摘要】
大数据环境污染监测方法及系统


[0001]本专利技术涉及环境大数据监测
，具体涉及一种大数据环境污染监测方法及系统。

技术介绍

[0002]环境监测作为环保工作的基础，应根据监测数据来有针对性地分析区域的环境状态，挖掘环境问题的成因，以此为环保工作指明方向。将监测技术应用到环保工作中，可提前掌握环境质量变化情况，且可将真实可靠的数据传递到环境规划、预防与维护环节，为生态环境的逐步恢复奠定良好基础。将物联网技术、智能控制技术和大数据技术等引入到环境监测工作中，应用监测技术可监测区域内大气、水体、土壤、固废、噪音、震动、电磁辐射等多方面的实际污染情况，促进环保工作不断完善，进而逐步改善环境质量，全面了解当前工作的薄弱之处，可有针对性地调整环保策略，为环保后续发展指明方向，实现与经济共同发展的目标。

技术实现思路

[0003]本专利技术利用物联网、传感器、智能控制、大数据网和云平台等构成在环境污染在线自动监测体系，将生态、空气、污染源和地表水等监测区域划分为多个分簇，通过对应传感器组对各分簇的综合指标进行采集，将采集到的信息通过网关汇总后传递到现场监控端和云平台，在现场监控端处理采集到的环境信息和分析环境污染物分布规律，使环境状态更加清楚明朗，对保护生态环境具有重要意义。
[0004]为解决上述问题，本专利技术采用如下的技术方案：
[0005]一、大数据环境污染监测方法步骤：
[0006]1、构建参数检测模型，参数检测模块包括多个参数检测模型，参数检测模型由多个AANN自联想神经网络
‑
NARX神经网络模型、自适应AP聚类器、多个PSO的 Elman神经网络模型、TDL按拍延迟线、区间模糊犹豫数的降噪编码器神经网络
‑
LSTM 神经网络模型组成，多组参数传感器输出分别作为对应的AANN自联想神经网络
ꢀ‑
NARX神经网络模型的输入，多个AANN自联想神经网络
‑
NARX神经网络模型作为自适应AP聚类器的输入，自适应AP聚类器输出不同类型的AANN自联想神经网络
‑
NARX神经网络模型输出分别作为对应的PSO的Elman神经网络模型的输入，多个 PSO的Elman神经网络模型的输出和TDL按拍延迟线输出分别作为区间模糊犹豫数的降噪编码器神经网络
‑
LSTM神经网络模型的对应输入，区间犹豫模糊数的降噪编码器神经网络
‑
LSTM神经网络模型输出作为TDL按拍延迟线输入，区间犹豫模糊数的降噪编码器神经网络
‑
LSTM神经网络模型输出的4个参数分别为a、b、c和d，a和b 组成区间数(a,b)作为被检测参数的极小值，c和d组成区间数(c，d)作为被检测参数的极大值，区间数(a,b)和区间数(c，d)组成[(a,b)，(c,d))]作为被检测参数的区间犹豫模糊数，区间模糊犹豫数的降噪编码器神经网络
‑
LSTM神经网络模型输出作为参数检测模型的输出；参数检测模型见图1所示。
[0007]2、构建区间犹豫模糊数融合模型，一段时间多个参数测量传感器组的参数检测模型输出的区间犹豫模糊数构成时间序列区间犹豫模糊数值阵列，定义参数测量传感器组的时间序列区间犹豫模糊数的距离和相关度，构建距离矩阵和相关度矩阵，每个测量传感器的时间序列区间犹豫模糊数的距离平均值的倒数占所有参数测量传感器组的时间序列犹豫模糊数的距离平均值倒数和的比为该参数测量传感器组的时间序列区间犹豫模糊数的距离融合权重，每个测量传感器的时间序列区间犹豫模糊数的相关度平均值占所有测量传感器器的时间序列区间犹豫模糊数的相关度平均值和的比为该参数测量传感器组的时间序列区间犹豫模糊数的相关度融合权重，每个参数测量传感器组的时间序列区间犹豫模糊数的距离测度融合权重和该参数测量传感器组的时间序列区间犹豫模糊数的相关度融合权重按照从小到大排序组成的区间数作为该参数测量传感器组的时间序列区间犹豫模糊数的区间数融合权重；根据同一时刻每个参数测量传感器组的时间序列区间犹豫模糊数与该参数测量传感器组的时间序列区间犹豫模糊数的区间数融合权重的积相加得到的和为所有参数测量传感器组的时间序列区间犹豫模糊数的融合值；区间犹豫模糊数融合模型见图2所示。
[0008]3、构建环境安全等级监测子系统，子系统由参数检测模块、区间犹豫模糊数融合模型、LSTM神经网络模型和区间数的NARX神经网络
‑
递归模糊神经网络环境等级分类器组成；参数检测模块包括多个参数检测模型，多个噪声传感器组、多个水质传感器组和多个空气质量传感器组分别感知被监测环境的噪声、水质质量和空气质量，多个噪声传感器组、多个水质传感器组和多个空气质量传感器组输出分别为对应的参数检测模块的多个参数检测模型的输入，每个参数检测模块的多个参数检测模型输出作为区间犹豫模糊数融合模型的输入，3个区间犹豫模糊数融合模型输出作为区间数的NARX神经网络
‑
递归模糊神经网络环境等级分类器和LSTM神经网络模型的输出分别作为区间数的NARX神经网络
‑
递归模糊神经网络环境等级分类器的对应输入，区间数的NARX神经网络
‑
递归模糊神经网络环境等级分类器输出作为LSTM神经网络模型的输入，区间数的NARX神经网络
‑
递归模糊神经网络环境等级分类器输出的 2个参数分别为e、f，(e，f)作为被检测环境安全等级的区间数，区间数的NARX神经网络
‑
递归模糊神经网络环境等级分类器输出的区间数分别对应环境很安全、环境比较安全、环境状况一般、环境状况较差、环境状况很差共5种环境安全类型；环境安全等级监测子系统见图2所示。
[0009]4、影响环境质量的多组噪声传感器组、多组水质传感器组和多组空气质量传感器组的传感器输出作为环境安全等级监测子系统的输入，环境安全等级监测子系统输出被检测环境质量的安全等级。
[0010]5、AANN自联想神经网络
‑
NARX神经网络模型、降噪编码器神经网络
‑
LSTM神经网络模型和NARX神经网络
‑
递归模糊神经网络环境等级分类器分别为AANN自联想神经网络与NARX神经网络模型串联、降噪编码器神经网络与LSTM神经网络模型串联和NARX神经网络与递归模糊神经网络环境等级分类器串联。
[0011]二、大数据环境污染监测系统：
[0012]大数据环境污染监测系统包括参数测量终端、现场监控端、网关、云平台和手机 APP，参数测量终端负责采集被检测环境参数信息，在现场监控端中有环境安全等级监测子系统，通过网关节点实现参数测量终端、现场监控端、云平台和手机APP的双向通信，实现被
检测环境参数采集和环境质量安全等级的分类。大数据环境污染监测系统见图3所示；
[0013]参数测量终端包括采集环境安全的噪声传感器组、水质传感器组和环境质量传感器组等影响环境安全的传感器和对应的信号调理电路、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.大数据环境污染监测方法，其特征在于，包括以下步骤：步骤1、构建参数检测模型，参数检测模块包括多个参数检测模型，参数检测模型由多个AANN自联想神经网络
‑
NARX神经网络模型、自适应AP聚类器、多个PSO的Elman神经网络模型、TDL按拍延迟线、区间模糊犹豫数的降噪编码器神经网络
‑
LSTM神经网络模型；步骤2、构建区间犹豫模糊数融合模型，一段时间多个参数测量传感器组的参数检测模型输出的区间犹豫模糊数构成时间序列区间犹豫模糊数值阵列，定义参数测量传感器组的时间序列区间犹豫模糊数的距离和相关度，构建距离矩阵和相关度矩阵；步骤3、构建环境安全等级监测子系统，由参数检测模块、区间犹豫模糊数融合模型、LSTM神经网络模型和区间数的NARX神经网络
‑
递归模糊神经网络环境等级分类器组成；步骤4、影响环境质量的噪声传感器组、水质传感器组和空气质量传感器组的传感器输出作为环境安全等级监测子系统的输入，环境安全等级监测子系统输出被检测环境质量的安全等级。2.根据权利要求1所述的大数据环境污染监测方法，其特征在于，所述步骤1中，多组参数传感器输出分别作为对应的AANN自联想神经网络
‑
NARX神经网络模型的输入，多个AANN自联想神经网络
‑
NARX神经网络模型作为自适应AP聚类器的输入，自适应AP聚类器输出不同类型的AANN自联想神经网络
‑
NARX神经网络模型输出分别作为对应的PSO的Elman神经网络模型的输入，多个PSO的Elman神经网络模型的输出和TDL按拍延迟线输出分别作为区间模糊犹豫数的降噪编码器神经网络
‑
LSTM神经网络模型的对应输入，区间犹豫模糊数的降噪编码器神经网络
‑
LSTM神经网络模型输出作为TDL按拍延迟线输入，区间犹豫模糊数的降噪编码器神经网络
‑
LSTM神经网络模型输出的4个参数分别为a、b、c、d，区间模糊犹豫数的降噪编码器神经网络
‑
LSTM神经网络模型输出作为参数检测模型的输出。3.根据权利要求2所述的大数据环境污染监测方法，其特征在于，a、b组成区间数(a，b)作为被检测参数的极小值，c、d组成区间数(c，d)作为被检测参数的极大值，区间数(a，b)和区间数(c，d)组成[(a，b)，(c，d))]作为被检测参数的区间犹豫模糊数。4.根据权利要求1所述的大数据环境污染监测方法，其特征在于，所述步骤2中，每个测量传感器的时间序列区间犹豫模糊数的距离平均值的倒数占所有参数测量传感器组的时间序列犹豫模糊数的距离平均值倒...

【专利技术属性】
技术研发人员：解星华，刘佳博，贾竣杰，陈佳豪，马从国，陈帅，周恒瑞，李志强，李亚洲，柏小颖，秦小芹，金德飞，王建国，马海波，丁晓红，王苏琪，黄凤芝，夏奥运，宗佳文，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：