[发明专利]一种空气质量挖掘系统、方法及数据采集监控装置

说明书

本发明提供一种空气质量挖掘系统、方法及数据采集监控装置，所述空气质量挖掘系统包括：数据采集监控装置，用于采集空气质量数据；数据分析模块，用于对采集的空气质量数据进行分析，根据时空关联规则进行数据挖掘；空气质量数据采集监控APP，用于提供相关数据的查询、显示、在线更新及修改。所述方法包括基于迁移学习的时空关联规则挖掘算法，根据时空数据的特点，建立时空关联规则挖掘模型，能够将时空关联规则的研究扩展到多个类型的时空数据中。本发明的数据采集监控装置、挖掘算法、监控APP三部分组成了一个完整的体系，为相关领域的研究、发展提供了有益的借鉴。

技术领域

本发明涉及空气质量分析技术领域，特别涉及一种空气质量挖掘系统、方法及数据采集监控装置。

背景技术

近年来，随着科技技术的不断发展，社会生活的方方面面都在往数据化、信息化的方向转变，互联网的接入，也加速了这一进程。为了从海量的数据中得到具有决策意义的信息，数据挖掘的相关技术得到了广泛的应用。

时空数据是数据挖掘中新兴的一类复杂数据，是包含空间位置标签的多个属性的观测记录按照时间次序性自动、递增排列的数据集。由于数据采集、计算机存储和处理技术的迅速发展以及依赖于传感器网络的不断完善，气象、交通、地理、工业等领域为时空信息科学提供了丰富的基础数据，如何从包含时间和空间约束的数据集中挖掘出有用的信息，已经成为当前的一个研究热点。考虑到时空数据不但具有时间序列的高维、快速、无穷性等特点还具有与时序性紧密相连而又有所区分的空间性，因此经典的数据挖掘方法并不再适用于这种数据类型的信息挖掘，需要根据时空数据的特点，结合新的挖掘技术进行扩展，进而适应新的需求。

关联分析是时序数据挖掘技术中的重要组成部分，同样的，时空关联分析也是时空数据挖掘技术中的重要组成部分，时空关联规则挖掘是空间关联规则挖掘针对时空数据的扩展，可以发现多个空间下项集之间的相关联系[5]。传统的关联规则挖掘算法是基于相同时间下同一事务集之间的频繁项来建立规则的，而规则的组成项集之间并没有严格的次序性及空间性，而现有的时态关联规则也不能准确获取包含详细时态关系的规则形式，因此就有必要结合时空数据的特点对时态关联规则挖掘算法进行扩展，来实现时空数据中获取时空关联规则的目的。

时空数据因领域的不同也各自有其独特的特点，但所有不同类型的时空数据都可以理解为是带有空间位置标签的时间序列数据，而不同属性所对应的数据也都是连续的，因此需要先对时空数据进行离散化，将连续数值型属性转换为符号化序列进行描述。目前有很多方案都依赖于人为参数的设定，实现相应的转换，该方式虽易于操作却降低了普适性，而且现有的方案中没有一套完整的方法能够获取包含时态关系的符号化序列，因而更不能获取包含具体时态关系的关联规则。而空间关系的获取大多是将其看着是时序数据的某个特殊属性来进行分析或者人为选择多个空间，虽然目前依赖传感器网络，我们能够获取大部分位置的时空数据，但也存在特殊的位置因数据量少或者数据缺失情况而不易于进行分析，人为的选择多个空间进行分析就缺乏一定的可信度，而将空间看着时序数据中的特殊属性又会存在时间和空间的一定独立性，此外利用传统模型根据时空数据特点进行改进就会存在很大程度的领域局限性，因此时空关联规则挖掘就需要采用更合适的方法来构建通用的挖掘模型来实现规则的获取。

伴随着现实生活科学技术的发展，人们对数据的信息的存储也越来越完善，从最初的静态记录到后来的次序存储，再到现今的三维方式下的记录。考虑数据的时间次序的同时，二维平面中不同坐标位置处所获取的信息也会存在一定的差异，因此时空数据挖掘技术是指在常规的时间序列挖掘过程中考虑不同空间下的约束，其核心思想仍然是利用与目标位置数据紧密联系的邻近源域数据共同构建能够保持对历史数据集、当前数据集和未来数据集平滑过渡的模型。

与传统的数据集相比，时空数据具有以下几个方面的特点：

(1)时序性：数据都是连续不断的到达数据挖掘系统中；

(2)空间性：由于不同空间位置下所获取的信息存在一定的差异性，因此不同空间位置下的数据集不在认为是相同的数据集，即具有空间维度；