[發明專利]基于人工蜂群和神經網絡的氣體標定分類方法及系統

在審

• 申請號: 201910175892.1
• 申請日: 2019-03-08
• 公開（公告）號: CN109946424A
• 公開（公告）日: 2019-06-28
• 發明（設計）人: 呂晶
• 申請（專利權）人: 杭州麥樂克科技股份有限公司
• 主分類號: G01N33/00
• 分類號: G01N33/00;G06N3/00;G06N3/04;G06N3/08
• 代理公司: 杭州裕陽聯合專利代理有限公司 33289
• 代理人: 姚宇吉

本發明公開一種基于人工蜂群和神經網絡的氣體標定分類方法，包括：獲取氣體監測數據；將氣體監測數據根據時間段進行切分處理，得到每個時間段的氣體數據集；判斷所述氣體數據集中的野值點，將所有野值點轉換為正常數據值，去除氣體數據集中的空值點以及超范圍點，通過去除氣體數據集中的空值點以及超范圍點之后的數據集和正常數據值組成新氣體數據集；采用人工蜂群算法對所述神經網絡分類模型進行優化，將待測氣體監測數據輸入至精準的神經網絡分類模型中，得到氣體分類結果，根據分類結果對氣體進行標定。通過本發明的方法和系統，將人工蜂群算法和神經網絡算法相互結合，能精確的預測出氣體中是否含有有害氣體的趨勢，預測結果精準。

技術領域

本發明涉及大數據人工智能技術領域，尤其涉及一種基于人工蜂群和神經網絡的氣體標定分類方法及系統。

背景技術

隨著工業化科技的發展，現有的氣體排放被監測的很好，而傳統的監測都是通過氣體采集之后，然后通過人工測算，才知道氣體中包含多少種氣體，并且這些氣體的種類是怎樣，這樣的測算方式，只能根據排放結果獲得，而不能進行預測，排放的氣體種類多了勢必會污染環境，然后再對污染的環境進行清理，會造成資源的浪費。本發明是針對這種測算進行改進的，結合大數據人工智能方式，對氣體預算出分類結果，達到預測的目的。

發明內容

本發明針對現有技術中的缺點，提供了一種基于人工蜂群和神經網絡的監測有害氣體預測方法及系統。

為了解決上述技術問題，本發明通過下述技術方案得以解決：

一種基于人工蜂群和神經網絡的氣體標定分類方法，包括以下步驟：

獲取若干個氣體監測點的氣體監測數據，獲取到的所述氣體監測數據為多種類型氣體的數據，至少包括單原子氣體、雙原子氣體、三原子氣體和多分子氣體；

將氣體監測數據根據時間段進行切分處理，得到每個時間段的氣體數據集；

判斷所述氣體數據集中的野值點并統計野值點的個數，將所有野值點轉換為正常數據值，去除氣體數據集中的空值點以及超范圍點，通過去除氣體數據集中的空值點以及超范圍點之后的數據集和正常數據值組成新氣體數據集，并將新氣體數據集分成訓練集和樣本集；

基于所述樣本集建立神經網絡分類模型，采用人工蜂群算法對所述神經網絡分類模型進行優化，得到優化后的神經網絡分類模型，并采用訓練集對優化后的神經網絡分類模型進行驗證，判斷是否為誤差范圍內的精準神經網絡分類模型，將待測氣體監測數據輸入至精準的神經網絡分類模型中，得到氣體分類結果，根據分類結果對氣體進行標定。

作為一種可實施方式，所述獲取若干個氣體監測點的氣體監測數據是由相應數量的氣體傳感器獲取到的。

作為一種可實施方式，所述判斷所述數據集中的野值點是采用卡爾曼濾波算法識別數據集中的野值點，具體步驟為：

假設后驗概率分布p(x_k-1|y_1:k-1)為高斯分布，則k時刻的系統狀態表示為x_k＝Ax_k-1+Bu_k-1+q_k-1，k時刻的測量值表示為y_k＝Hx_k+r_k，其中，u_k是k時刻對系統的控制量，u_k-1是k-1時刻對系統的控制量，A為系統k-1時刻的系統狀態的參數矩陣，B為系統k-1時刻的控制量的參數矩陣，H為系統k時刻的系統狀態的參數矩陣，q_k-1表示過程噪聲，r_k表示測量噪聲，用Q_k-1表示過程噪聲q_k-1與系統狀態x_k的協方差矩陣，R_k表示測量噪聲r_k與測量值y_k的協方差矩陣；