[发明专利]一种建筑工地扬尘实时监测系统

说明书

本发明公开了一种对于工地的扬尘实时监测系统，该技术包括硬件和软件系统两大部分。硬件部分包括MCU、传感器模块、显示模块、通信模块。软件部分包括扬尘数据的接收、数据的标准化处理、流式计算、数据存储、数据分析预测以及存储分析的准确度是否达到预期要求。通过分析结果调节模型所涉及的参数，进行验证和比对，进而实现数据的安全性、完整性以及预测的准确性。实现了对建筑施工过程中产生的扬尘数据进行自动监测的功能，满足了部门监管需求，提高了部门监管效率，同时通过对扬尘的预测，可以根据对未来几天的扬尘趋势制定相应的措施以改善人们生活环境。

技术领域

本发明属于扬尘监测技术领域，具体为一种建筑工地扬尘实时监测系统。

背景技术

扬尘监测是复杂且实用的技术，将硬件采集设备和计算机系统联合在一起，进行前端场地数据采集和PC端的逻辑处理及可视化。随着我国城市化建设的大规模发展和城镇人口的急剧增加，空气污染物的排放不断增多，扬尘监测对空气质量的改善决策以及人们的生活有极大的帮助。

近年来，随着互联网、物联网、大数据的飞速发展，也出现了许多关于环境空气污染物监测的方案，比如基于低功耗无线传感网的工地扬尘监测系统、集成物联网、大数据和云计算技术的一体化监测平台，可以对施工排放扬尘实现全天候实时远程监控。但是多多少少都存在不足，一是数据采集的误差偏大，主要原因是系统在数据采集时时效性不强，同时对错误数据的过滤性不足造成的，二是数据存储效率不高，当大量数据进行存储时，容易出现卡死的情况。三是对数据的利用能力不足，如数据分析、数据可视化等。

发明内容

为了解决数据存储时的效率问题和数据的利用问题，本发明利用了基于Kafka的消息队列和基于BP-神经网络的预测算法，用来提高数据传输和扬尘数据预测。其具体方案如下：

第一方面，本申请实例提供了消息中间件Kafka对数据传输进行解耦。包括：

工地系统调用数据传输接口API，充当消息队列Kafka的生产者Producer，将数据以Topic 为分界存放在Kafka中，等待消费者Consumer消费数据。此处的消费者有Spark-streaming 和MySQL数据库。这样数据传输就不会因为数据量过大而导致卡死的现象，存在消息队列中，等待消费者消费即可。

第二方面，本申请实例提供了机器学习算法对扬尘进行预测。包括：

获取大量历史的扬尘数据，对其清理，得到有用、完整的数据，选择合适的BP-神经网络模型和模型参数调整，经过模型训练、验证和评估得到结果正确与否。

整个系统的运行流程为：1、服务端接收硬件传输来的数据。2、将数据缓存再Kafka队列中。3、Spark-streaming或者MySQL消费Kafka队列中的数据。4、获取MySQL的数据进行数据分析。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请实例提供的一种建筑工地扬尘实时监测系统整体业务流程框架示意图。

图2为本申请实例提供的一种建筑工地扬尘实时监测系统架构图。

图3为本申请实例提供的一种建筑工地扬尘实时监测系统采集系统结构图。

图4为本申请实例提供的一种建筑工地扬尘实时监测系统软件处理方案流程图。

具体实施方式