[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

说明书

本发明涉及大气环境空气质量监测领域，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，该算法包括以下步骤：历史数据获取，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；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日内区域背景浓度集合。本发明是数据融合支撑的校准方案，具有流程简单，准确可靠，可与云平台深度融合的特点，可节约大量的人力物力成本。

技术领域

本发明涉及空气质量监测技术领域，具体为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。

背景技术

随着我国经济快速发展与城镇化水平不断提高，大气污染源结构发生较大变化，污染主体已由大中型固定污染源向移动源、生活源转变，现有的环境监管多关注于固定污染源，对城市大气环境监测依赖于昂贵的国控站，远不能适应新形势下日益繁重的环境管理和执法监督的精细化需要。因此，低成本、安装方便快捷及可持续动态监测的网格化环境空气监测系统应运而生，可实现对监测区域的全面布点、全面覆盖，消灭监测盲区，为各地政府进行大气网格化环境监管提供科技支撑。

网格化环境空气监测系统通常是由若干个微型空气质量监测子站构成，通过采集各种微型传感器的电信号，结合算法反演出污染物的浓度。然而由于微型传感器受自身理化特性、交叉干扰、使用寿命及工作环境等诸多因素影响，导致其输出的结果与实际大气质量数据相关性较差，无法为区域大气的科学管控和治理提供理论依据。

发明内容

本发明的目的在于提供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，以解决背景技术中解决的问题。

为实现上述目的，本发明提供如下技术方案：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，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；

(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。

优选的，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。

优选的，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。

优选的，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：fi＝ni/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ni，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fi，将所得的所有出现频率按照时间顺序进行排列组合{fi}；

(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)。