[发明专利]一种应用于网格化空气质量监测系统的云平台智能辅助校准算法

权利要求书

1.一种应用于网格化空气质量监测系统的云平台智能辅助校准算法，其特征在于：所述一种应用于网格化空气质量监测系统的云平台智能辅助校准算法包括以下几个步骤：

(1)历史数据获取：选择待校正设备，通过云平台选择待校正设备附近若干台监测设备作为参考设备，同时调取参考设备的7日内历史数据；

(2)统计背景浓度：使用概率统计学统计参考设备7日内每3小时的污染物浓度概率密度函数，选取出现概率最大的浓度作为上述设备的背景浓度，计算参考设备相同时间内的背景浓度概率方差，根据浓度概率方差选择合适的污染物浓度建立7日内背景浓度集合；

所述3小时的污染物浓度概率密度函数通过以下方式获取：f_i＝n_i/N

(1)首先将被测污染物量程均匀划分为若干区间，统计每个集合内污染物浓度在第i区间的分布个数记为n_i，其中，数据总数记为N；

(2)然后计算3小时内污染物浓在第i区间内的出现频率，记为f_i，将所得的所有出现频率按照时间顺序进行排列组合{f_i}；

(3)最后利用最小二乘法拟合出3小时的污染物浓度概率密度函数F(i)；

所述监测设备背景浓度通过以下方式获取：监测设备背景浓度表示为监测设备附近的环境污染物浓度，3小时的污染物浓度概率密度最大值所在的污染物浓度区间即为监测设备背景浓度b，b＝F^-1(max{f_i})；

所述7日内背景浓度集合通过以下步骤获得：

(1)将m台设备相同时间7日每3小时的背景浓度b在同一个集合中，记为B_θ＝{b}，其中θ＝1,2…56；

(2)分别计算θ个数组的方差σ_θ，剔除各数组中残余误差大于3σ_θ的背景浓度，得到新集合B_θ’，其中θ＝1,2…56；

(3)计算数组B_θ’的平均值，得到7日内背景浓度集合，记为其中θ＝1,2…56；

(3)计算云平台智能辅助校正系数，重新建立待校正设备传感器电信号与污染物浓度的对应关系，实时修正待校正设备监测数据，完成云平台智能辅助校正；

所述云平台智能辅助校正系数获取方法如下：

将7日内相同时间测量的背景浓度与待校正设备测量浓度一一对应，以为背景浓度自变量，即待校正设备测量浓度为因变量，即C(t)；采用最小二乘法过零线性拟合，拟合函数斜率即为所述云平台智能辅助校正系数k。

2.根据权利要求1所述的一种应用于网格化空气质量监测系统的云平台智能辅助校准算法，其特征在于：通过概率统计学获取待校正设备区域背景浓度，使用该背景浓度采用最小二乘法拟合出校准系数，重新建立待校正设备传感器电信号与污染物浓度的对应关系，所述背景浓度，为待校准设备附近大气环境中污染物浓度的背景值，该背景值反应的是污染物浓度的大范围变化。

3.根据权利要求2所述的一种应用于网格化空气质量监测系统的云平台智能辅助校准算法，其特征在于：所述参考设备的7日内历史数据，通过云平台获取，在云平台中选择待校正设备后，得到若干台附近监测设备7日内污染物浓度历史数据，并将所得历史数据以3小时为一个时间段分为56个集合。

4.根据权利要求3所述的一种应用于网格化空气质量监测系统的云平台智能辅助校准算法，其特征在于：所述重新建立待校正设备传感器电信号与污染物浓度的对应关系，通过以下方式获取：C_校正值＝kC_检测值，其中C_检测值为待校正监测设备污染物浓度实时检测值，C_校正值为校正后的监测设备污染物浓度值。