[發明專利]基于機器學習算法的云端數據聯調校準方法

在審

• 申請號: 201810162107.4
• 申請日: 2018-02-27
• 公開（公告）號: CN108469273A
• 公開（公告）日: 2018-08-31
• 發明（設計）人: 陳援非;周丹丹;孟筠旺;孫亞洲;楊培帥
• 申請（專利權）人: 濟寧中科云天環?？萍加邢薰?/a>
• 主分類號: G01D18/00
• 分類號: G01D18/00;G01D21/02;G06N99/00
• 代理公司: 青島發思特專利商標代理有限公司 37212
• 代理人: 盧登濤

1.一種基于機器學習算法的云端數據聯調校準方法，包括網格化空氣監測平臺、云端服務器和設備管理系統，網格化空氣監測平臺分別與云端服務器和設備管理系統連接實現數據通訊，其特征在于：所述的方法包括以下步驟：

S1：網格化空氣監測平臺提供網格內空氣質量監測微站和國家標準監測站采集的空氣污染物和氣象數據，并將采集的數據傳送至云端服務器中的Hbase數據庫；

S2：云端服務器讀取云端服務器中的Hbase數據庫中的空氣質量監測微站和國家標準監測站的數據，通過數據一致性對比，判斷空氣質量監測微站數據是否偏離，若數據偏離，使用數據校準模型進行數據校準，輸出校準參數；

S3：云端服務器通過通訊單元把校準參數傳遞給設備管理系統，設備管理系統把校準指令分發給網格區域內每一臺空氣質量監測微站設備，空氣質量監測微站根據校準參數執行操作，并把校準后的數據上傳到網格化空氣監測平臺。

2.根據權利要求1所述的基于機器學習算法的云端數據聯調校準方法，其特征在于：所述的步驟S2中數據一致性對比是通過計算空氣質量監測微站和國家標準監測站一定時間段內數據的相關系數和偏離度來判斷數據是否偏離，判定條件包括相關系數判定條件和偏離度判定條件，其中相關系數判定條件如下：

其中，判定條件(1)中：S1＝(x1,x2,...,xn)，表示空氣質量監測微站一定時間段內的監測數據集合；S2＝(y1,y2,...,yn)，表示國家標準監測站一定時間段內的監測數據集合；

Corr表示多個變量間的簡單相關系數的計算；

m為相關系數，取值為0.8。

3.根據權利要求2所述的基于機器學習算法的云端數據聯調校準方法，其特征在于：所述的偏離度判定條件如下：

其中，判定條件(2)中：avgIx＝(x1+x2+...+xn)/n，表示空氣質量監測微站和國家標準監測站一定時間段內監測數據的平均值；

avgIY＝(y1+y2+...+yn)/n，表示國家標準監測站一定時間段內監測數據的平均值；

n為常數，取值為20；

當判定條件(1)和判定條件(2)同時滿足時，則判定數據不偏離；

當判定條件(1)和判定條件(2)中任一不滿足時，則判定數據偏離。

4.根據權利要求1所述的基于機器學習算法的云端數據聯調校準方法，其特征在于：所述的步驟S3中云端服務器采用數據校準模型，讀取Hbase數據庫中空氣質量監測微站和國家標準監測站的數據，云服務器端在線訓練回歸模型、解析傳感特性的變化規律，抓取數據規律，通過Linear Regression線性回歸，輸出校準參數，傳送給設備管理系統。

5.根據權利要求4所述的基于機器學習算法的云端數據聯調校準方法，其特征在于：所述的Linear Regression線性回歸具體包括以下步驟：

S11：采集S1＝(x1,x2,...,xn)，S2＝(y1,y2,...,yn)兩個數據集；

S12：模擬S1＝k*S2+b數據集，通過線性回歸，訓練出相關的系數k＝0.3682,b＝19.5；

S13：輸出校準參數k＝0.3682，b＝19.5，傳送給設備管理系統，設備管理系統把校準指令分發給網格區域內每一臺空氣質量監測微站設備，空氣質量監測微站設備根據校準參數執行操作，并把校準后的S1的數據上傳到網格化空氣監測平臺。

6.根據權利要求1所述的基于機器學習算法的云端數據聯調校準方法，其特征在于：所述的空氣質量監測微站包含氣體傳感器和顆粒物傳感器，顆粒物傳感器通過激光散射法監測空氣的PM2.5/PM10濃度，氣體傳感器通過電化學法監測空氣中的SO2/CO/NO2/O3濃度。