[发明专利]一种利用误差传递的空气质量数据实时校准方法

权利要求书

1.一种利用误差传递的空气质量数据实时校准方法，其特征在于，具体过程包括如下步骤：

1)建立模型，使用多次实验的方法确定模型参数，初始化误差error为0，数据集大小m为30000条，误差影响率alpha为0 .9，每次校准的数据量n为8；

2)采集最近时间段的国标数据和最近时间段的基于ARM架构的嵌入式设备数据，并保存至实时数据库，并对采集的国标数据进行克里金插值，得到采样频率与基于ARM架构的嵌入式设备相等的国标插值数据；其中，克里金插值采用普通克里金法，基于ARM架构的嵌入式设备能够实时地监测空气环境质量；

3)对最近时间段的国标插值数据及最近时间段的基于ARM架构的嵌入式设备数据进行基于Bagging模型的建模；其中，Bagging模型使用基于回归树的Bagging模型；

4)基于上一个Bagging模型的误差，对本次Bagging模型输出的结果进行数据实时校准，得到校准值；

5)等待最新国标数据的采集，并根据新采集的国标数据，来更新校准误差，更新校准误差为：国标均值-测量均值，继续执行步骤2)，并将误差传递给下一个Bagging模型；

步骤4)中，数据实时校准方法的基本过程为：

(1)从步骤2)的实时数据库读入时间上最近的一个数据集；

(2)使用步骤3)的Bagging模型得到下个时间段n个数据的校准值；

(3)根据拉依达准则去除n个数据中的误差值，并对结果取均值average；

(4)更新校准值为average+alpha*error，以该结果作为该时间段的测量均值。

2.根据权利要求1所述的利用误差传递的空气质量数据实时校准方法，其特征在于，步骤2)中，普通克里金法使用空间上已知的点来估计未知的点，如式(1)所示：

（1）

其中，为估计值，其真实值为，且满足估计值与真实值之间的经验均方误差最小和无偏估计两个条件，即满足式(2)和式(3)

(2)

E(Y′_k+1-Y_k+1)＝0 (3)

使用拉格朗日方法求得估计值。

3.根据权利要求1所述的利用误差传递的空气质量数据实时校准方法，其特征在于，步骤3)中，Bagging模型包括：对训练集进行多次随机抽样，生成多个训练子集，并对每个训练子集使用回归树的方法进行建模，最后使用投票的方式，对多个回归树模型进行组合，形成了Bagging模型。

4.根据权利要求1所述的利用误差传递的空气质量数据实时校准方法，其特征在于，步骤(3)中，所述的拉依达准则假设一组测量数据只含有随机误差，对这组数据进行计算得到标准偏差，然后按一定概率确定一个区间，如果数据在该区间之外，则该数据属于粗大误差而不是随机误差，应被剔除；即对一组测量值X₁，X₂…，X_n，其均值为μ，标准偏差为σ；若X_i满足|X_i-μ|I*σ，则认为X_i为误差应被剔除；其中，参数I被初始化为3。