[发明专利]一种智慧城市空气品质高精度测量方法

摘要

本发明公开了一种智慧城市空气品质高精度测量方法，从优化传感器空间布置、空气质量预测纠正等角度，提高区域空气品质测量的准确度，符合区域内不同位置人体对空气品质的感知测量。考虑颗粒物及部分气体成分扩散的因素，区域内的空气质量传感器组应在不同地点冗余布置，同时考虑不同气体成分变化对未来空气质量数据的影响，对未来的空气质量数据做出精准预测，得出区域空气品质的最准确测量结果。该方法同时可以排查传感器的异常情况，为空气污染提供足够的预警时间。

主权项

1.一种智慧城市空气品质高精度测量方法，其特征在于，包括以下步骤：/n1)在区域内建立全覆盖的网状监测站点组，在每个监测点布置一组空气质量传感器，检测多种空气质量指标，且该区域内的每一个监测点都有3个相邻的监测点；/n2)将各监测点将采集的空气质量数据实时传输给Hadoop大数据云端存储平台；/n3)按照HDFS分布式文件管理框架将传输来的空气质量大数据进行写入，所述HDFS分布式文件管理框架按照地点-指标-时间三个维度来建立检索标签；/n4)当各监测点的各指标空气质量数据量达到5000，且在监测点计算其未来空气质量数据时，从Hadoop大数据存储平台中获取模型训练所需要的数据。获取的数据包括：该监测点各个空气质量指标的历史5000个数据点，共6*5000个数据点；/n5)基于Spark分布式计算平台，建立一种空气质量多指标输入集成模型，对监测点未来的空气质量数据进行预测，集成模型中包括6个子预测器，分别以对应6个空气质量指标作为输入，未来的某种空气质量作为输出。模型中子预测器的训练和预测过程在Spark平台中进行并行计算，适用于空气质量的大数据环境。使用灰狼优化算法优化集成模型中所有子预测器的权重；/n6)将6组输出结果按照优化后的权重加权，得到该监测点未来30分种该种空气质量变化；/n7)对于区域内任意选取的无传感器地点，使用其周边的相邻监测点预测数据进行计算，即通过以下公式计算无传感器地点的未来空气品质y，其中，为该无传感器地点各相邻监测点的未来该种空气质量变化值，l_i为第i个相邻监测点与所述随机选取的监测点的距离，为所有相邻监测点到该无传感器地点距离之和，P为3或4。/n