用于大气污染的智能监测系统及其方法技术方案

一种用于大气污染的智能监测系统及其方法，其获取由空气质量传感器采集的预定时间段内多个预定时间点的空气质量数据，以及，所述多个预定时间点的温度值、湿度值和风速值；采用基于深度学习的人工智能技术，挖掘温度值、湿度值和风速值的关联特征信息，基于此实现对化工园区排放废气的多因素监测，从而能够更加全面地了解大气污染状况及其影响。全面地了解大气污染状况及其影响。全面地了解大气污染状况及其影响。

【技术实现步骤摘要】
用于大气污染的智能监测系统及其方法


[0001]本申请涉及智能化监测
，并且更具体地，涉及一种用于大气污染的智能监测系统及其方法。

技术介绍

[0002]大气污染监测是指对大气环境中的各类污染物进行系统监测和分析，以收集、整理和公布有关污染物种类、浓度、空间分布和时间变化等信息，从而了解大气污染状况及其影响，为制定和改进环境保护政策提供科学依据。
[0003]现阶段，针对化工园区废气排放的传统监测设备的监测形式主要为点式监测和被动监测。其监测因子种类较为单一，且由于设备处于地面固定位置，化工园区废气受气象条件影响形成的扩散导致传统监测方案不能对化工园区排放的废气进行全面的监测。
[0004]因此，期待一种优化的用于大气污染的监测方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种用于大气污染的智能监测系统及其方法，其获取由空气质量传感器采集的预定时间段内多个预定时间点的空气质量数据，以及，所述多个预定时间点的温度值、湿度值和风速值；采用基于深度学习的人工智能技术，挖掘温度值、湿度值和风速值的关联特征信息，基于此实现对化工园区排放废气的多因素监测，从而能够更加全面地了解大气污染状况及其影响。
[0006]第一方面，提供了一种用于大气污染的智能监测系统，其包括：
[0007]空气质量监测模块，用于获取由空气质量传感器采集的预定时间段内多个预定时间点的空气质量数据；
[0008]气象参数监测模块，用于获取由温度传感器、湿度传感器和风速传感器采集的所述多个预定时间点的温度值、湿度值和风速值；
[0009]空气质量特征提取模块，用于将所述多个预定时间点的空气质量数据按照时间维度排列为空气质量时序输入向量后通过包含第一卷积层和第二卷积层的时序特征提取器以得到空气质量时序特征向量；
[0010]结构化模块，用于将所述多个预定时间点的温度值、湿度值和风速值按照时间维度和样本维度排列为环境参数全局矩阵；
[0011]气象环境特征提取模块，用于将所述环境参数全局矩阵通过作为过滤器的卷积神经网络模型以得到环境参数全局特征向量；
[0012]关联模块，用于对所述空气质量时序特征向量和所述环境参数全局特征向量进行关联编码以得到解码特征矩阵；以及
[0013]监测结果生成模块，用于将所述解码特征矩阵通过解码器以得到解码值，所述解码值用于表示大气污染指数。
[0014]在上述用于大气污染的智能监测系统中，所述空气质量特征提取模块，包括：第一
尺度特征提取单元，用于将所述空气质量时序输入向量输入所述时序特征提取器的第一卷积层以得到第一尺度空气质量特征向量，其中，所述第一卷积层具有第一尺度的卷积核；第二尺度特征提取单元，用于将所述空气质量时序输入向量输入所述时序特征提取器的第二卷积层以得到第二尺度空气质量特征向量，其中，所述第二卷积层具有第二尺度的卷积核，所述第一尺度不同于所述第二尺度；以及，级联单元，用于将所述第一尺度空气质量特征向量和所述第二尺度空气质量特征向量进行级联以得到所述空气质量时序特征向量。
[0015]在上述用于大气污染的智能监测系统中，所述气象环境特征提取模块，用于：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对所述输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的均值池化处理以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的卷积神经网络模型的最后一层的输出为所述环境参数全局特征向量，所述作为过滤器的卷积神经网络模型的第一层的输入为所述环境参数全局矩阵。
[0016]在上述用于大气污染的智能监测系统中，所述关联模块，包括：关联矩阵计算单元，用于计算所述空气质量时序特征向量和所述环境参数全局特征向量的关联矩阵以得到初始解码特征矩阵；以及，优化单元，用于对所述初始解码特征矩阵进行特征亲和性空间仿射学习以得到所述解码特征矩阵。
[0017]在上述用于大气污染的智能监测系统中，所述关联矩阵计算单元，用于：以如下关联公式计算所述空气质量时序特征向量和所述环境参数全局特征向量的关联矩阵以得到初始解码特征矩阵；其中，所述关联公式为：
[0018][0019]其中，V
a
表示所述空气质量时序特征向量，表示所述空气质量时序特征向量的转置向量，V
c
表示所述环境参数全局特征向量，M
b
表示所述初始解码特征矩阵，表示矩阵相乘。
[0020]在上述用于大气污染的智能监测系统中，所述优化单元，用于：以如下优化公式对所述初始解码特征矩阵进行特征亲和性空间仿射学习以得到所述解码特征矩阵；其中，所述优化公式为：
[0021][0022]其中，M是所述初始解码特征矩阵，M
T
是所述解码特征矩阵的转置矩阵，||M||2表示矩阵的二范数，||M||
*
表示矩阵的核范数n是矩阵的尺度，M
′
是所述解码特征矩阵，log表示以2为底的对数函数，exp(
·
)表示矩阵的指数运算，所述矩阵的指数运算表示计算以所述数值为幂的自然指数函数值。
[0023]在上述用于大气污染的智能监测系统中，所述监测结果生成模块，用于：使用所述解码器以如下解码公式对所述解码特征矩阵进行解码回归以得到所述解码值；其中，所述解码公式为：其中，M
d
表示所述解码特征矩阵，Y表示解码值，W表示权重矩阵，B表示偏置向量，表示矩阵乘。
[0024]第二方面，提供了一种用于大气污染的智能监测方法，其包括：
[0025]获取由空气质量传感器采集的预定时间段内多个预定时间点的空气质量数据；
[0026]获取由温度传感器、湿度传感器和风速传感器采集的所述多个预定时间点的温度值、湿度值和风速值；
[0027]将所述多个预定时间点的空气质量数据按照时间维度排列为空气质量时序输入向量后通过包含第一卷积层和第二卷积层的时序特征提取器以得到空气质量时序特征向量；
[0028]将所述多个预定时间点的温度值、湿度值和风速值按照时间维度和样本维度排列为环境参数全局矩阵；
[0029]将所述环境参数全局矩阵通过作为过滤器的卷积神经网络模型以得到环境参数全局特征向量；
[0030]对所述空气质量时序特征向量和所述环境参数全局特征向量进行关联编码以得到解码特征矩阵；以及
[0031]将所述解码特征矩阵通过解码器以得到解码值，所述解码值用于表示大气污染指数。
[0032]在上述用于大气污染的智能监测方法中，将所述多个预定时间点的空气质量数据按照时间维度排列为空气质量时序输入向量后通过包含第一卷积层和第二卷积层的时序特征提取器以得到空气质量时序特征向量，包括：将所述空气质量时序输入向量输入所述时序特征提取器的第一卷积层以得到第一尺度空气质量特征向量，其中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于大气污染的智能监测系统，其特征在于，包括：空气质量监测模块，用于获取由空气质量传感器采集的预定时间段内多个预定时间点的空气质量数据；气象参数监测模块，用于获取由温度传感器、湿度传感器和风速传感器采集的所述多个预定时间点的温度值、湿度值和风速值；空气质量特征提取模块，用于将所述多个预定时间点的空气质量数据按照时间维度排列为空气质量时序输入向量后通过包含第一卷积层和第二卷积层的时序特征提取器以得到空气质量时序特征向量；结构化模块，用于将所述多个预定时间点的温度值、湿度值和风速值按照时间维度和样本维度排列为环境参数全局矩阵；气象环境特征提取模块，用于将所述环境参数全局矩阵通过作为过滤器的卷积神经网络模型以得到环境参数全局特征向量；关联模块，用于对所述空气质量时序特征向量和所述环境参数全局特征向量进行关联编码以得到解码特征矩阵；以及监测结果生成模块，用于将所述解码特征矩阵通过解码器以得到解码值，所述解码值用于表示大气污染指数。2.根据权利要求1所述的用于大气污染的智能监测系统，其特征在于，所述空气质量特征提取模块，包括：第一尺度特征提取单元，用于将所述空气质量时序输入向量输入所述时序特征提取器的第一卷积层以得到第一尺度空气质量特征向量，其中，所述第一卷积层具有第一尺度的卷积核；第二尺度特征提取单元，用于将所述空气质量时序输入向量输入所述时序特征提取器的第二卷积层以得到第二尺度空气质量特征向量，其中，所述第二卷积层具有第二尺度的卷积核，所述第一尺度不同于所述第二尺度；以及级联单元，用于将所述第一尺度空气质量特征向量和所述第二尺度空气质量特征向量进行级联以得到所述空气质量时序特征向量。3.根据权利要求2所述的用于大气污染的智能监测系统，其特征在于，所述气象环境特征提取模块，用于：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对所述输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的均值池化处理以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的卷积神经网络模型的最后一层的输出为所述环境参数全局特征向量，所述作为过滤器的卷积神经网络模型的第一层的输入为所述环境参数全局矩阵。4.根据权利要求3所述的用于大气污染的智能监测系统，其特征在于，所述关联模块，包括：关联矩阵计算单元，用于计算所述空气质量时序特征向量和所述环境参数全局特征向量的关联矩阵以得到初始解码特征矩阵；以及优化单元，用于对所述初始解码特征矩阵进行特征亲和性空间仿射学习以得到所述解
码特征矩阵。5.根据权利要求4所述的用于大气污染的智能监测系统，其特征在于，所述关联矩阵计算单元，用于：以如下关联公式计算所述空气质量时序特征向量和所述环境参数全局特征向量的关联矩阵以得到初始解码特征矩阵；其中，所述关联公式为：其中，V
a
表示所述空气质量时序特征向量，表示所述空气质量时序特征向量的转置向量，V
c
表示所述环境参数全局特征向量，M
b
表示所述初始解码特征矩阵，表示矩阵相乘。6.根据权利要求5所述的用于大气污染的智能监测系统，其特征在于，所...

【专利技术属性】
技术研发人员：文祥，文乐为，陈建国，吴建鑫，刘湘，
申请(专利权)人：湖南省三联环保科技有限公司，
类型：发明
国别省市：