[发明专利]基于大密度部署传感器的大气污染监控及管理方法及系统

权利要求书

1.一种基于大密度部署传感器的大气污染监控及管理方法，其特征在于，包括如下步骤：

步骤S1，获取部署区域的状态信息，根据所述部署区域的状态信息，在该部署区域大密度部署多个传感器；

步骤S2，获取所述多个传感器的传感器数据，基于所述多个传感器的精度、空间位置和气象信息的差异，对所述传感器数据进行联合校正，得到已部署传感器位置点的大密度微环境下大气污染物数据；

步骤S3，根据所述已部署传感器位置点的大密度微环境下大气污染物数据，利用高斯推断模型在空间上推断出未部署传感器位置点的大气污染物数据；

步骤S4，采用时间序列中的预测模型对已部署传感器位置点和未部署传感器位置点的大气污染物数据进行预测分析，以进行对整个区域的大气污染预警；

步骤S5，将所述已部署传感器位置点和未部署传感器位置点的大气污染物数据发送至监控中心，以由监控人员实时监控整个区域内的大气污染状态。

2.如权利要求1所述的基于大密度部署传感器的大气污染监控及管理方法，其特征在于，所述部署区域的状态信息包括：地理状态信息、交通状态信息和气象人文信息。

3.如权利要求2所述的基于大密度部署传感器的大气污染监控及管理方法，其特征在于，在所述步骤S1中，所述根据部署区域的状态信息，在该部署区域大密度部署多个传感器，包括如下步骤：

根据所述部署区域的状态信息，在所述部署区域进行一期部署多个传感器；

获取一期部署的传感器返回的传感器数据，根据所述气象人文信息和返回的传感器数据对所述部署区域进行二次加密部署多个传感器。

4.如权利要求1所述的基于大密度部署传感器的大气污染监控及管理方法，其特征在于，在所述步骤S2中，采用神经网络模型和高斯推断模型对所述传感器数据进行联合校正，包括如下步骤：

对所述传感器数据进行离线训练，包括：采用神经网络模型对所述传感器数据进行单点校正，动态获取训练后的传感器数据；

对所述训练后的传感器数据进行在线校准，包括：采用高斯推断模型对所述训练后的传感器数据进行多点校准，得到已部署传感器位置点的大密度微环境下大气污染物数据。

5.如权利要求4所述的基于大密度部署传感器的大气污染监控及管理方法，其特征在于，所述神经网络模型采用BP神经网络。

6.如权利要求1所述的基于大密度部署传感器的大气污染监控及管理方法，其特征在于，在所述步骤S4中，所述时间序列中的预测模型采用基于无向图模型的条件随机场模型。

7.如权利要求6所述的基于大密度部署传感器的大气污染监控及管理方法，其特征在于，采用基于无向图模型的条件随机场模型对所述大气污染物数据进行预测过程中，以温度、湿度、风速、风向、降雨强度和时间作为输入特征值，以PM2.5数值作为输出预测值，其中，所述输入特征值和输出预测值均为离散型数值。

8.如权利要求1所述的基于大密度部署传感器的大气污染监控及管理方法，其特征在于，在所述步骤S4之后，还包括如下步骤：采用因果分析和张量分析方法对所述已部署传感器位置点和未部署传感器位置点的大气污染物数据进行统计分析，以获取空间层面上污染物的源头和传播路径，并将所述空间层面上污染物的源头和传播路径发送至所述监控中心。