一种基于BP神经网络的空气颗粒物数据监测系统及方法

一种基于bp神经网络的空气颗粒物数据监测系统及方法
技术领域
1.本发明涉及空气颗粒物监测领域，特别是涉及一种基于bp神经网络的空气颗粒物数据监测系统及方法。


背景技术：

2.随着空气污染的逐渐严重，人们越来越重视空气质量，而空气中的污染来源主要包括颗粒物、硫氧化物、碳的氧化物、氮氧化物、碳氢化合物和其他有害物质，其中空气颗粒物指的是分散在空气中的固态或液态颗粒状物质，根据其粒径大小，又可分为空气动力学直径小于或者等于100μm的总悬浮颗粒物(tsp)和空气动力学直径小于或者等于10μm的可吸入颗粒物(pm10)。可吸入颗粒物又可细分为细粒pm2.5(空气动力学直径小于或等于2.5μm)和粗粒(空气动力学直径介于2.5μm至10μm)。
3.颗粒物中1微米以下的微粒沉降速度慢，在大气中存留时间久，在大气动力作用下能够吹送到很远的地方。所以颗粒物的污染往往波及很大区域，甚至成为全球性的问题。粒径在0.1～1微米的颗粒物，与可见光的波长相近，对可见光有很强的散射作用。这是造成大气能见度降低的主要原因。由二氧化硫和氮氧化物化学转化生成的硫酸和硝酸微粒是造成酸雨的主要原因。大量的颗粒物落在植物叶子上影响植物生长，落在建筑物和衣服上能起沾污和腐蚀作用。粒径在3.5μm以下的颗粒物，能被吸入人的支气管和肺泡中并沉积下来，引起或加重呼吸系统的疾病。大气中大量的颗粒物，干扰太阳和地面的辐射，从而对地区性甚至全球性的气候发生影响。
4.可吸入颗粒物随人们呼吸空气而进入肺部，以碰撞、扩散、沉积等方式滞留在呼吸道不同的部位，粒径小于5微米的多滞留在上呼吸道。滞留在鼻咽部和气管的颗粒物，与进入人体的二氧化硫(so2)等有害气体产生刺激和腐蚀粘膜的联合作用，损伤粘膜、纤毛，引起炎症和增加气道阻力。持续不断的作用会导致慢性鼻咽炎、慢性气管炎。滞留在细支气管与肺泡的颗粒物也会与二氧化氮等产生联合作用，损伤肺泡和粘膜，引起支气管和肺部产生炎症。长期持续作用，还会诱发慢性阻塞性肺部疾患并出现继发感染，最终导致肺心病死亡率增高。空气中总悬浮颗粒物对人体健康的影响决定于粒子吸入而积聚于呼吸系统的数量。直径10微米或以下的可吸入颗粒物能直达并沉积于肺部，而引发不良的健康反应。可吸入颗粒物对人体健康的影响包括导致呼吸不适及呼吸系统症状(例如气促、咳嗽、喘气等)、加重已有的呼吸系统疾病及损害肺部组织。因此，可吸入悬浮颗粒物(漂尘)更引起人们的重视。最易受总悬浮颗粒物影响的人士包括慢性肺部及心脏病、感冒或哮喘病患者，老年人及儿童。
5.故现有技术中存在很多用于监测空气颗粒物浓度的方法，但现有技术通常是仅测量室外的空气颗粒物浓度，空气颗粒物数据的测试来源过于单一，且在测试的布置上也过于简单，对针对性并不强，且后期对采集的数据进行汇总时，因为数据量过于庞大而导致处理的速度过慢，依靠采集的数据做出的评估结果准确性不高。


技术实现要素：

6.本发明的目的是提供一种基于bp神经网络的空气颗粒物数据监测系统及方法，以解决上述现有技术存在的问题。
7.为实现上述目的，本发明提供了如下方案：
8.本发明提供一种基于bp神经网络的空气颗粒物数据监测系统及方法，包括：
9.布置模块，用于根据历史污染数据对待测地区进行建模，并采用网格划分的方式对所述待测地区布置采集模块；
10.所述采集模块，用于采集待测地区的空气颗粒物数据；
11.评估模块，用于通过bp神经网络和采集的所述空气颗粒物数据对待测地区进行评估；
12.数据库模块，用于保存采集的所述空气颗粒物数据，所述数据库模块与所述采集模块连接；
13.通信模块，用于所述采集模块和评估模块之间进行数据传输。
14.可选的，所述布置模块包括建模模块和网格划分模块，其中，
15.所述建模模块用于获取待测地区的历史污染数据，并基于历史污染数据将所述待测地区按照污染等级进行划分，并对划分后的待测地区构建模型；
16.所述网格划分模块用于对带有污染等级划分的模型进行网格划分。
17.可选的，所述网格划分模块对带有污染等级划分的模型进行网格划分的过程中包括：根据污染等级出现频率，将模型分为初级污染频发地区、中级污染频发地区和严重污染频发地区，基于地区的不同，划分不同的网格密度，其中所述初级污染频发地区的网格设置为2km
×
2km，所述中级污染频发地区的网格设置为1km
×
1km，严重污染频发地区的网格设置为500m
×
500m。
18.可选的，所述采集模块包括固定采集模块和移动采集模块，其中，
19.所述固定采集模块布置在室外网格划分后的网格交点上；
20.所述移动采集模块用于在污染程度超过阈值时布置在严重污染地区的室内，采集室内环境的空气颗粒物数据。
21.可选的，所述评估模块通过bp神经网络对采集的所述空气颗粒物数据进行评估的过程中包括：
22.将采集的历史污染数据作为输入数据，输入到所述bp神经网络中，输出污染的评估结果对所述bp神经网络进行训练；
23.基于训练完成的bp神经网络和实时采集的空气颗粒物数据对待测地区进行评估。
24.可选的，所述评估结果包括实时污染指数和过去24小时的污染指数变化趋势。
25.可选的，所述通信模块采用无线通信，包括wifi、4g、gprs以及蜂巢式网络。
26.一种基于bp神经网络的空气颗粒物数据监测方法，包括：
27.根据获取的待测地区的历史污染数据对待测地区进行建模并网格划分；
28.根据网格划分的结果对所述待测地区布置采集装置；
29.根据所述采集装置对待测地区采集空气颗粒物数据；
30.对采集的所述空气颗粒物数据进行分析及评估。
31.可选的，根据获取的待测地区的历史污染数据对待测地区进行建模并网格划分的
过程中包括：
32.通过历史污染数据中的污染等级出现频率对所述待测地区进行分区，包括初级污染频发地区、中级污染频发地区和严重污染频发地区；
33.对不同污染等级的分区按照不同的网格划分标准进行网格划分。
34.可选的，对采集的所述空气颗粒物数据进行分析及评估的过程中包括：
35.将获取的历史污染数据输入bp神经网络进行训练，输出评估结果，利用输出的评估结果与实际结果的误差对所述bp神经网络的权重系数进行修正，直到输出的评估结果的准确率达到预设值，则结束训练；
36.基于训练完成的bp神经网络和实时采集的空气颗粒物数据对待测地区进行评估。
37.本发明公开了以下技术效果：
38.本发明提供了一种基于bp神经网络的空气颗粒物数据监测系统及方法，通过根据历史数据构建模型，完成了对待测地区的不同污染等级频发的地区的分区，并对不同等级的地区进行不同的网格划分，在严重污染这一等级频发的地方多布置监控装置，提高了对此地区的空气颗粒物数据的敏感性，可以在第一时间就监控此地区的污染情况，以尽早进行控制，放置空气污染的蔓延；在轻度污染这一等级频发的地方少布置监控装置，节省了成本的同时也完成了监控装置的布置，通过网格划分总体布置下来，提高了时效性，降低了成本，本发明还在严重污染的地区布置了移动监测装置，主要针对室内的污染程度的监测，以获得室内的空气颗粒物数据，并根据室内数据获得室内空气颗粒物渗透系数以进行综合分析，填补对室内空气颗粒物数据的空缺并提升了实时监测的准确度，本发明对数据的处理采用了bp神经网络，先通过历史数据对bp神经网络进行训练，根据误差对bp神经网络进行优化，通过训练完成的bp神经网络对实时采集的空气颗粒数物进行评估，结合渗透系数评价空气质量，提高了计算的自动化和准确率。
附图说明
39.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
40.图1为本发明实施例中的结构示意图。
具体实施方式
41.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
42.本发明提供了一种基于bp神经网络的空气颗粒物数据监测系统，如图1所示，包括：
43.布置模块，用于根据历史污染数据对待测地区进行建模，并采用网格划分的方式对所述待测地区布置采集模块；
44.所述采集模块，用于采集待测地区的空气颗粒物数据；
45.评估模块，用于通过bp神经网络和采集的所述空气颗粒物数据对待测地区进行评估；
46.数据库模块，用于保存采集的所述空气颗粒物数据，所述数据库模块与所述采集模块连接；
47.通信模块，用于所述采集模块和评估模块之间进行数据传输；
48.报警模块，设定各采集模块的空气颗粒物浓度报警上下限值，出现被监测点位数据异常时自动发出报警信号通知值班人员，上传报警信息并进行本地及远程监测，所述报警模块连接有移动端；
49.移动端，用于值班人员的远程监控，移动端包括手机、平板电脑、笔记本和pc端。
50.可选的，所述布置模块包括建模模块和网格划分模块，其中，
51.所述建模模块用于获取待测地区的历史污染数据，并基于历史污染数据将所述待测地区按照污染等级进行划分，并对划分后的待测地区构建模型；
52.所述网格划分模块用于对带有污染等级划分的模型进行网格划分。
53.可选的，所述网格划分模块对带有污染等级划分的模型进行网格划分的过程中包括：根据污染等级出现频率，将模型分为初级污染频发地区、中级污染频发地区和严重污染频发地区，基于地区的不同，划分不同的网格密度，其中所述初级污染频发地区的网格设置为2km
×
2km，所述中级污染频发地区的网格设置为1km
×
1km，严重污染频发地区的网格设置为500m
×
500m。
54.可选的，所述采集模块包括固定采集模块和移动采集模块，其中，
55.所述固定采集模块布置在室外网格划分后的网格交点上；
56.所述移动采集模块用于在污染程度超过阈值时布置在严重污染地区的室内，采集室内环境的空气颗粒物数据；
57.当采集的空气颗粒物浓度超过严重等级时间大于1小时以上时，开始通过布置所示移动采集模块对严重污染地区的室内环境进行采集，采集室内空气颗粒物数据。
58.可选的，所述评估模块通过bp神经网络对采集的所述空气颗粒物数据进行评估的过程中包括：
59.将采集的历史污染数据作为输入数据，输入到所述bp神经网络中，输出污染的评估结果对所述bp神经网络进行训练；
60.基于训练完成的bp神经网络和实时采集的空气颗粒物数据对待测地区进行评估。
61.评估模块还用于基于所述室内空气颗粒物数据获得室内环境空气颗粒物渗透系数，并基于所述室内环境空气颗粒物渗透系数和经过训练完的bp神经网络评估结果综合评价污染等级。
62.可选的，所述评估结果包括实时污染指数和过去24小时的污染指数变化趋势。
63.可选的，所述通信模块采用无线通信，包括wifi、4g、gprs以及蜂巢式网络。
64.采集装置采用了市电供电模式、锂电池供电模式和太阳能供电模式，先用太阳能的电量工作，电量不足时则采用市电进行工作，若突然停电则采用锂电池供电模式。
65.采集模块的采集时间为7天
×
24小时不间断采集，并将采集的数据通过通信模块传输到评估模块，通过评估模块生成过去n小时的污染指数变化趋势，其中n为正整数，例
如：过去6小时的污染指数变化趋势、过去12小时的污染指数变化趋势、过去18小时的污染指数变化趋势和过去24小时的污染指数变化趋势。
66.一种基于bp神经网络的空气颗粒物数据监测方法，包括：
67.根据获取的待测地区的历史污染数据对待测地区进行建模并网格划分；
68.根据网格划分的结果对所述待测地区布置采集装置；
69.根据所述采集装置对待测地区采集空气颗粒物数据；
70.对采集的所述空气颗粒物数据进行分析及评估。
71.可选的，根据获取的待测地区的历史污染数据对待测地区进行建模并网格划分的过程中包括：
72.通过历史污染数据中的污染等级出现频率对所述待测地区进行分区，包括初级污染频发地区、中级污染频发地区和严重污染频发地区；
73.对不同污染等级的分区按照不同的网格划分标准进行网格划分。
74.可选的，对采集的所述空气颗粒物数据进行分析及评估的过程中包括：
75.将获取的历史污染数据输入bp神经网络进行训练，输出评估结果，利用输出的评估结果与实际结果的误差对所述bp神经网络的权重系数进行修正，直到输出的评估结果的准确率达到预设值，则结束训练；
76.基于训练完成的bp神经网络和实时采集的空气颗粒物数据对待测地区进行评估。
77.以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。