[发明专利]一种大气在线监测仪的校准方法及监测仪

说明书

本申请涉及一种大气在线监测仪的校准方法，包括：在预设时间段内，利用标准监测仪和待校准监测仪同时监测目标环境的气体，分别得到传感器原始数据，所述传感器原始数据包括所述传感器输出信号和所述标准监测仪的标准监测输出；利用所述传感器原始数据训练RNN‑LSTM神经网络，以得到所述待校准监测仪的校准模型。

技术领域

本申请属于大气监测领域，特别涉及一种大气在线监测仪的校准方法及监测仪。

背景技术

目前大气在线监测仪中一般使用多个传感器，并输出多个信号。由于传感器的非线性，信号响应动态过程传递函数复杂。随着传感器数量的增加，校正参数太多。本申请的发明人发现：利用传统方法进行校准，人工工作量大难度高，已经难以适应复杂系统的校准工作。

本申请的发明人发现，现在利用神经网络校准测量仪器的方法只有静态的映射关系没有信号动态响应过程预测部分。利用该方法校对后的仪器输出数据动态响应过程不够准确，动态过程中的误差较大。

发明内容

本申请旨在提供一种大气在线监测仪的校准方法及检测仪。

本申请的一个实施例提供了一种大气在线监测仪的校准方法，包括：在预设时间段内，利用标准监测仪和待校准监测仪同时监测目标环境的气体，分别得到传感器原始数据，所述传感器原始数据包括所述传感器输出信号和所述标准监测仪的标准监测输出；利用所述传感器原始数据训练RNN-LSTM神经网络，以得到所述待校准监测仪的校准模型。

本申请的另一实施例提供了一种大气在线监测仪，包括：传感器阵列，感测目标环境的气体输出传感器原始数据；大气监测模块，基于校准模型对所述原始数据进行数据处理以输出校准值，其中所述校准模型为RNN-LSTM神经网络模型。

利用上述方法和监测仪，通过在校对过程中引入RNN-LSTM网络可以现在神经网络校准测量仪器，没有信号动态响应过程预测部分。利用上述方法和监测仪，可以通过时间序列数据关系映射出动态数学模型中微分方程中的导数量，仪器输出数据动态响应过程更加准确，减小了动态过程中的误差(实现扣除微分方程中的导数量)。

附图说明

图1示出了本申请的一个实施例大气在线监测仪的校准方法。

图2示出了利用图1所示方法校准监测仪时的装置连接示意图。

图3示出了本申请的另一实施例大气在线监测仪的组成示意图。

图4示出了本申请的另一实施例，大气监测仪的校准装置。

图5示出根据一示例性实施例的一种电子设备的框图。

具体实施方式

以下是通过特定的具体实施例来说明本发明所公开有关“一种大气在线监测仪的校准方法及监测仪”的实施方式，本领域技术人员可由本说明书所公开的内容了解本发明的优点与效果。本发明可通过其他不同的具体实施例加以施行或应用，本说明书中的各项细节也可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。另外，本发明的附图仅为简单示意说明，并非依实际尺寸的描绘，事先声明。以下的实施方式将进一步详细说明本发明的相关技术内容，但所公开的内容并非用以限制本发明的保护范围。

本申请旨在提供一种大气在线监测仪的校准方法及检测仪。

本申请的一个实施例提供了一种大气在线监测仪的校准方法，包括：在预设时间段内，利用标准监测仪和待校准监测仪同时监测目标环境的气体，分别得到传感器原始数据，所述传感器原始数据包括所述传感器输出信号和所述标准监测仪的标准监测输出；利用所述传感器原始数据训练RNN-LSTM神经网络，以得到所述待校准监测仪的校准模型。