[发明专利]一种PM2.5网格化监控网络系统及其一致性校准方法有效
申请号: | 202010040747.5 | 申请日: | 2020-01-15 |
公开(公告)号: | CN111157413B | 公开(公告)日: | 2021-09-17 |
发明(设计)人: | 李秀红 | 申请(专利权)人: | 北京师范大学 |
主分类号: | G01N15/06 | 分类号: | G01N15/06;G01N33/00 |
代理公司: | 北京高沃律师事务所 11569 | 代理人: | 杨媛媛 |
地址: | 100088 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 pm2 网格 监控 网络 系统 及其 一致性 校准 方法 | ||
1.一种PM2.5网格化监控网络系统,其特征在于,包括依次通讯连接的第一采集端、中心服务器和第二采集端,所述第一采集端位于被测站点,所述第二采集端位于标准站点,所述第一采集端和第二采集端用于采集PM2.5浓度,所述中心服务器用于根据第一采集端和第二采集端的数据差异,对所述第一采集端采集的数据进行调整;
所述第一采集端包括第一PM2.5传感器和与所述第一PM2.5传感器连接的第一数据采集器;
所述第二采集端包括第二PM2.5传感器和与所述第二PM2.5传感器连接的第二数据采集器;
所述中心服务器用于根据第一采集端和第二采集端的数据差异,对所述第一采集端采集的数据进行调整,具体包括:
获取第一采集端的PM2.5浓度值;
获取第二采集端的PM2.5浓度值;
获取所述第二采集端与第一采集端的PM2.5浓度差;
根据所述PM2.5浓度差对所述第一采集端的数据进行校准;
所述中心服务器还用于对所述第一PM2.5传感器和所述第二PM2.5传感器进行校准,具体包括:
获取已知浓度的标准气体,为第一浓度;
分别采用所述第一PM2.5传感器和第二PM2.5传感器检测所述标准气体浓度,为第二浓度;
判断所述第一浓度和第二浓度是否相同;
若否,则根据第一浓度校正所述第一PM2.5传感器和第二PM2.5传感器;
所述中心服务器还用于根据微型气象站获取的所述第二采集端周围的温度、湿度、风速、风向和气压气象参数、第二采集端获取的PM2.5浓度值和质控设备获取的PM2.5浓度值对所述第一采集端进行校准,具体包括:
将所述第二采集端放置在标准站点的质控设备的周围,同时设置微型气象站同步监测质控设备周边的温度、湿度、风速、风向和气压气象参数,获取同步的监测数据;
利用微型气象站同步监测质控设备周边的温度、湿度、风速、风向和气压气象参数,获取同步的监测数据、第二采集端获取的PM2.5浓度值和质控设备获取的PM2.5浓度值作为数据样本,训练并验证构建的深度卷积神经网络模型,利用神经网络的深度学习能力,逼近各校准算法中主要参数与质控设备的误差之间的复杂非线性关系,获得所述第二采集端与质控设备数据间的校准算法;
将已经进行过校准的所述第一采集端放置在监测网络的各个监测点位,每隔十天进行监测网络的实时校准,具体做法为调取所述第二采集端获取的十天内的数据和质控设备获取的十天数据,获得的数据形成训练集合,通过所述校准算法,提取算法中的各参数,将各参数利用所述第一采集端与中心服务器进行双向反馈通信,对所述第一采集端进一步校准。
2.一种PM2.5网格化监控网络一致性校准方法,其特征在于,所述方法应用于如权利要求1中所述的PM2.5网格化监控网络系统,所述方法包括:
获取第一采集端的PM2.5浓度值;
获取第二采集端的PM2.5浓度值;
获取所述第二采集端与第一采集端的PM2.5浓度差;
根据所述PM2.5浓度差对所述第一采集端的数据进行校准;
所述第一采集端包括第一PM2.5传感器和与所述第一PM2.5传感器连接的第一数据采集器;
所述第二采集端包括第二PM2.5传感器和与所述第二PM2.5传感器连接的第二数据采集器;
所述获取第一采集端的PM2.5浓度值步骤之前,还包括:
对所述第一PM2.5传感器和所述第二PM2.5传感器进行校准;
所述对第一PM2.5传感器和第二PM2.5传感器进行校准,包括:
获取已知浓度的标准气体,为第一浓度;
分别采用所述第一PM2.5传感器和第二PM2.5传感器检测所述标准气体浓度,为第二浓度;
判断所述第一浓度和第二浓度是否相同;
若否,则根据第一浓度校正所述第一PM2.5传感器和第二PM2.5传感器;
根据微型气象站获取的所述第二采集端周围的温度、湿度、风速、风向和气压气象参数、第二采集端获取的PM2.5浓度值和质控设备获取的PM2.5浓度值对所述第一采集端进行校准,具体包括:
将所述第二采集端放置在标准站点的质控设备的周围,同时设置微型气象站同步监测质控设备周边的温度、湿度、风速、风向和气压气象参数获取同步的监测数据;
利用微型气象站同步监测质控设备周边的温度、湿度、风速、风向和气压气象参数获取同步的监测数据、第二采集端获取的PM2.5浓度值和质控设备获取的PM2.5浓度值作为数据样本,训练并验证构建的深度卷积神经网络模型,利用神经网络的深度学习能力,逼近各校准算法中主要参数与质控设备的误差之间的复杂非线性关系,获得所述第二采集端与质控设备数据间的校准算法;
将已经进行过校准的所述第一采集端放置在监测网络的各个监测点位,每隔十天进行监测网络的实时校准,具体做法为调取所述第二采集端获取的十天内的数据和质控设备获取的十天数据,获得的数据形成训练集合,通过所述校准算法,提取算法中的各参数,将各参数利用所述第一采集端与中心服务器进行双向反馈通信,对所述第一采集端进一步校准。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京师范大学,未经北京师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010040747.5/1.html,转载请声明来源钻瓜专利网。