[发明专利]一种船舶大气污染物监测方法及系统

说明书

本发明公开了一种船舶大气污染物监测方法与系统，具体包括以下步骤：(1)获取同类型的n个传感器在一个采样周期T_n内间隔采样船舶大气污染物数据h次的数据；(2)利用Kalman递归算法进行同类型传感器的数据融合，选择数据融合最优值；(3)获取L个采样周期下同类型传感器融合数据集并采用EKPF进行数据滤波；(4)将m个不同类型传感器形成的融合总数据集换算成与排放量标准表对应的计量单位；(5)针对m个不同类型传感器换算后融合总数据集采用训练好的T‑S模糊神经网络进行等级预测。

技术领域

本发明涉及大气污染物监测技术领域，具体是涉及一种船舶大气污染物监测方法及系统。

背景技术

船舶大气污染问题近年来已经成为全世界普遍关注的重要海洋大气环境问题之一，考虑到船舶所排大气污染物的特殊性，如污染源流动、空间范围广、大气环境复杂、水汽含量大等因素，对船舶大气污染物监测的设备应具备结果可靠、精度较高、操作简单、响应快速等特性，但是现有船舶所排大气污染物监测监管技术都存在局限性，且现有针对船舶大气污染物监测系统中监测设备大多昂贵、笨重且需要专人操作，无法进行辖区内的普及，对于大气污染物获取的数据处理不完善，系统的监测精度不高。

发明内容

发明目的：针对以上缺点，本发明提供一种船舶大气污染物监测方法，能够实现对于大气污染物的监测结果可靠、精度较高。同时，本发明还提供一种船舶大气污染物监测系统，通过该系统能够获得大气污染物排放的监测结果。

技术方案：为解决上述问题，本发明提供一种船舶大气污染物监测方法，包括以下步骤：

(1)在船舶烟囱处安置m个不同类型传感器，每一个类型的传感器n个；获取同类型的n个传感器在一个采样周期T_n内间隔采集船舶大气污染物数据h次的数据x_i,x_i＝(x₁,x₂,…x_h)；依据格拉布斯准则剔除异常数据,获取最优数据x_i′,x_i′＝(x₁,x₂,…x_k),k＜h；

(2)利用Kalman递归算法进行同类型传感器的数据融合，融合后的数据公式为：

式中，i＝1……k；K_i为Kalman增益,进行递归迭代，选择取作为同类型传感器数据融合最优值；

(3)第一个采样周期T_n同类型传感器数据融合最优值记为z₁，第L个采样周期T_n同类型传感器数据融合最优值记为z_l；L个采样周期下，同类型传感器融合数据集z_θ，z_θ＝(z₁,z₂,…z_l)；对同类型传感器融合数据集z_θ采用扩展卡尔曼粒子滤波进行数据滤波，获取滤波后的同类型传感器融合数据集

(4)单个滤波后的同类型传感器融合数据集m个不同类型传感器形成的融合总数据集将融合总数据集内单个同类型传感器融合数据集换算成与排放量标准表对应的计量单位，换算后的融合总数据集为G^j,

(5)针对m个不同类型传感器换算后融合总数据集G^j，采用T-S模糊神经网络进行等级预测，具体步骤：