【技术实现步骤摘要】
本专利技术涉及数字信息传输，具体涉及一种综合风力影响的气体浓度预测方法。
技术介绍
1、在工厂进行长期的环境管理和监测中，需要安装mems传感器对气体浓度进行监测并对数据进行传输，但是在传输过程中，由于气体浓度的数据量过多，会造成网络宽带压力过大，储存需求增加等传输困难，因此需要选取部分数据进行传输。
2、对于mems传感器采集到的所有数据，可以对不同的时间窗口选择不同的采样率进行采样，以降低传输频率和数据量；lstw模型可以通过历史数据预测当前数据，与实际预测值进行对比后确定采样率，但是由于不同的时间点的重要程度不同，预测的准确度较低，无法保证采样率的准确性从而对数据进行传输，因此需要进一步进行优化。
技术实现思路
1、本专利技术提供一种综合风力影响的气体浓度预测方法，以解决现有的问题。
2、本专利技术的一种综合风力影响的气体浓度预测方法采用如下技术方案：
3、本专利技术一个实施例提供了一种综合风力影响的气体浓度预测方法，该方法包括以下步骤：
4、获取泄漏监测点在历史时刻的气体浓度，以及同一时刻泄漏监测点两侧的气体浓度，构建泄漏监测点的若干时间窗口；
5、根据同一气体浓度在不同历史时刻的时间间隔波动差异，获得每个历史时刻的气体浓度的周期规律程度；根据相邻历史时刻的气体浓度的变化情况，获得每个历史时刻的时维重要程度；
6、根据泄漏监测点两侧的气体浓度的差异，得到每个历史时刻的风影响程度；
7、根据每
8、根据当前时间窗口的预测气体浓度和实际气体浓度计算当前时间窗口的采样率；根据当前时间窗口的采样率对当前时间窗口的数据采样后进行传输。
9、进一步的，所述获得每个历史时刻的气体浓度的周期规律程度，包括的具体步骤如下：
10、
11、其中，表示第q个历史时刻的气体浓度的周期规律程度，表示以自然常数为底的指数函数，h表示与第q个历史时刻的气体浓度相同的时刻个数，表示与第q个历史时刻的气体浓度相同的第i个时刻，表示与第q历史个时刻的气体浓度相同的第i-1个时刻，表示与第q个历史时刻的气体浓度相同的第i+1个时刻。
12、进一步的，所述获得每个历史时刻的时维重要程度，包括的具体步骤如下：
13、
14、其中，表示第q个历史时刻的时维重要程度，表示第q个历史时刻的气体浓度，表示第q-1个历史时刻的气体浓度，表示第q+1个历史时刻的气体浓度，表示第q个历史时刻的气体浓度的周期规律程度，表示以自然常数为底的指数函数，为线性归一化函数。
15、进一步的，所述得到每个历史时刻的风影响程度，包括的具体步骤如下：
16、
17、其中，表示第q个历史时刻的风影响程度，max表示选取最大值，表示第q-1个历史时刻的风偏移指数，表示第q+1个历史时刻的风偏移指数，表示第q个历史时刻的风偏移指数。
18、进一步的，所述风偏移指数的具体获取方式如下：
19、
20、其中，表示第q个历史时刻的风偏移指数，k表示泄漏监测点两侧设置的传感器对数，表示在第q历史时刻泄漏监测点两侧的第j对传感器的气体浓度差值。
21、进一步的，所述获得每个历史时刻的数据加权值，包括的具体步骤如下：
22、
23、其中，表示第q个历史时刻的时空重要性，表示lstw模型第q个历史时刻的数据加权值，表示以自然常数为底的指数函数，表示第q个历史时刻，表示第q个历史时刻所在时间窗口的初始时刻。
24、进一步的，所述时空重要性的具体获取方式如下：
25、
26、其中，表示第q个历史时刻的时空重要性，表示以自然常数为底的指数函数，表示第q个历史时刻的风影响程度，表示第q个历史时刻的时维重要程度。
27、进一步的，所述得到当前时间窗口的预测气体浓度，包括的具体步骤如下：
28、根据每个历史时刻的数据加权值对每个历史时刻的气体浓度进行加权，将加权后的每个历史时刻的气体浓度作为输入序列的数据集训练lstm模型，得到当前时间窗口的预测气体浓度。
29、进一步的，所述计算当前时间窗口的采样率，包括的具体步骤如下：
30、
31、其中，表示当前时间窗口的采样率，表示选取最小值，m表示当前时间窗口的数据个数，表示当前时间窗口中第v个时刻的气体浓度，表示当前时间窗口中第v个时刻的预测气体浓度，a为预设的采样参数。
32、本专利技术的技术方案的有益效果是：根据同一气体浓度在不同历史时刻的波动差异，获得每个历史时刻的气体浓度的周期规律程度，周期规律程度的数据重要性越低；根据相邻历史时刻的气体浓度的变化情况，获得每个历史时刻的时维重要程度，表现在时间上的重要性程度；根据泄漏监测点两侧的气体浓度的差异，得到每个历史时刻的风影响程度，表现风对气体浓度的影响；从而根据每个历史时刻与所在时间窗口的初始时刻间隔，获得每个历史时刻的数据加权值并构建预测模型，得到当前时间窗口的预测气体浓度，结合实际气体浓度计算当前时间窗口的采样率，提高了采样率计算的准确性，对数据采样后进行传输，有效地传输当前时间窗口的重要数据。
本文档来自技高网...【技术保护点】
1.一种综合风力影响的气体浓度预测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种综合风力影响的气体浓度预测方法，其特征在于，所述获得每个历史时刻的气体浓度的周期规律程度，包括的具体步骤如下：
3.根据权利要求1所述一种综合风力影响的气体浓度预测方法，其特征在于，所述获得每个历史时刻的时维重要程度，包括的具体步骤如下：
4.根据权利要求1所述一种综合风力影响的气体浓度预测方法，其特征在于，所述得到每个历史时刻的风影响程度，包括的具体步骤如下：
5.根据权利要求4所述一种综合风力影响的气体浓度预测方法，其特征在于，所述风偏移指数的具体获取方式如下：
6.根据权利要求1所述一种综合风力影响的气体浓度预测方法，其特征在于，所述获得每个历史时刻的数据加权值，包括的具体步骤如下：
7.根据权利要求6所述一种综合风力影响的气体浓度预测方法，其特征在于，所述时空重要性的具体获取方式如下：
8.根据权利要求1所述一种综合风力影响的气体浓度预测方法，其特征在于，所述得到当前时间窗口的预测气体浓度，
9.根据权利要求1所述一种综合风力影响的气体浓度预测方法，其特征在于，所述计算当前时间窗口的采样率，包括的具体步骤如下：
10.根据权利要求1所述一种综合风力影响的气体浓度预测方法，其特征在于，所述对当前时间窗口的数据采样后进行传输，包括的具体步骤如下：
...【技术特征摘要】
1.一种综合风力影响的气体浓度预测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种综合风力影响的气体浓度预测方法，其特征在于，所述获得每个历史时刻的气体浓度的周期规律程度，包括的具体步骤如下：
3.根据权利要求1所述一种综合风力影响的气体浓度预测方法，其特征在于，所述获得每个历史时刻的时维重要程度，包括的具体步骤如下：
4.根据权利要求1所述一种综合风力影响的气体浓度预测方法，其特征在于，所述得到每个历史时刻的风影响程度，包括的具体步骤如下：
5.根据权利要求4所述一种综合风力影响的气体浓度预测方法，其特征在于，所述风偏移指数的具体获取方式如下：
6.根据权利要求...
【专利技术属性】
技术研发人员：廖小昊，
申请(专利权)人：北京云摩科技股份有限公司，
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。