[发明专利]生态环境监测数据的稠密化处理方法

说明书

本发明公开一种生态环境监测数据的稠密化处理方法首先对监测区域进行区域网格划分；然后采集各区域网格对应的生态环境数据和辅数据；然后确定生态环境数据、辅数据的通用关键相关因素；然后基于生态环境数据、辅数据及其通用关键相关因素，通过深度学习方法确定生态环境数据与辅数据之间的映射模型，最后通过映射模型预测只具有辅数据的区域网格的生态环境数据，实现监测区域的数据稠密化。

技术领域

本发明涉及专门适用于预测目的数据处理方法，特别是涉及一种生态环境监测数据的稠密化处理方法。

背景技术

生态环境监测对于生态环境的治理尤为重要，只有了解区域内生态环境信息的分布状况，才能针对性地制定治理方案。在现有技术中，通常是采用设置监测站的方法对生态环境进行监测。如果监测站的数量够多，密度够高，采用现有方法的确能够有效地监测生态环境信息的分布状况。但是，由于各种因素的限制，各个地区现有设置的监测站数量有限，不能覆盖到所有区域，不能有效地反映出生态环境信息的分布状况。

发明内容

为解决以上技术问题，本发明提供一种生态环境监测数据的稠密化处理方法，基于地区现有的监测站采集的生态环境监测数据，预测得出该地区内没有监测站覆盖的其他区域的生态环境监测数据，从而有效地反映出地区的生态环境信息分布状况。

技术方案如下：

提供了一种生态环境监测数据的稠密化处理方法，包括：

步骤1、对监测区域进行区域网格划分；

步骤2、采集各区域网格对应的生态环境数据和辅数据；

步骤3、对采集的生态环境数据和辅数据进行数据预处理；

步骤4、基于预处理后的生态环境数据和辅数据，通过深度学习方法确定生态环境数据与辅数据之间的映射模型；

步骤5、通过映射模型预测只具有辅数据的区域网格的生态环境预测数据，实现监测区域的数据稠密化。

进一步的，所述步骤1将监测区域进行网格划分时根据深度学习处理数据的要求来进行划分。

进一步的，所述步骤3包括：

基于采集的生态环境数据和辅数据进行数据补全；

对补全得到的生态环境数据和辅数据进行去均值化处理；

对去均值化处理得到的生态环境数据和辅数据进行数据归一化，得到预处理后的生态环境数据和辅数据。

进一步的，采用线性插值算法补全生态数据和辅数据。

进一步的，所述步骤4中深度学习包括使用LSTM网络或Conv-LSTM网络进行训练，得到映射模型。

进一步的，所述辅数据包括人口信息、地理信息、气象信息。

进一步的，通过MRF模型得到气象信息。

进一步的，所述步骤5包括：

基于区域网格的生态环境数据和辅数据，通过映射模型得到区域网格的生态环境的映射数据；

对映射数据进行归一化还原和去均值化还原，得到真实的生态环境预测数据。

有益效果：

1、采用本发明的生态环境监测数据的稠密化处理方法，能够通过地区范围内有限的监测站采集的生态环境监测数据，预测该地区内监测站未能覆盖到的区域的生态环境监测数据，反映出整个地区的生态环境信息分布状况。

2、通过对采集到的数据进行预处理，能够使数据保持一致性，并且能去除重复、错误的数据，为后期的数据分析提供基础。

附图说明