一种城市空气微生物生态分布监测方法与流程

本发明涉及空气微生物生态分布监测的，尤其涉及一种城市空气微生物生态分布监测方法。

背景技术：

1、尽管国家治理空气污染的措施不断加大，但是目前环境空气质量形势依然严峻。因此，需准确评估环境空气污染暴露的健康影响和健康风险，采取有针对性的干预措施，更好地保护人群健康。准确评估人群环境空气污染的暴露水平，首先需要掌握环境空气中微生物浓度的空间分布特征。目前获取环境空气中污染物浓度的方法主要通过直接监测法，其优点是可以直接、准确的获取监测点环境空气污染物的浓度值，缺点是需要耗费人力物力，而且由于经费所限监测点位的数量和覆盖范围是有限的，常常无法精准到研究人群所处位置空气污染物的浓度。针对该问题，本发明提出一种城市空气微生物生态分布监测方法，通过对自适应网格划分和快速模型优化实现城市空气微生物生态分布快速精准监测。

技术实现思路

1、有鉴于此，本发明提供一种城市空气微生物生态分布监测方法，目的在于：1）构建了城市空气微生物网格细化级别自适应调节模型，通过图模型技术将每个特征向量形式化为城市空气微生物网格细化级别自适应调节模型中的一个点，特征向量之间的隶属度关系形式为城市空气微生物网格细化级别自适应调节模型中的边，以静态网格细化级别和城市空气微生物生态分布影响指标为输入，以动态调整后的网格细化级别输出，实现城市空气微生物分布的自适应网格划分，能够更加细致、自适应的刻画城市空气微生物生态分布；2）构造了空气微生物扩散矩阵，确定了城市空气微生物优化目标函数，所述优化目标通过最小化城市网格空气微生物浓度差值确定城市空气微生物扩散概率向量，实现城市空气微生物动态扩散过程的形式化描述，将空气微生物的动态迁移过程融入到分布监测过程中，能够更加准确的实现对空气微生物分布的精准监测；3）通过并行计算多处理器局部搜索方向，并将各个处理器计算得到的局部搜索方向进行全局整合以确保每个处理器都拥有最新的全局搜索方向信息，实现对城市空气微生物动态扩散模型进行快速优化求解得到空气微生物方向扩散概率向量，达到快速优化模型，提高分布监测效率的目的。

2、为实现上述目的，本发明提供的一种城市空气微生物生态分布监测方法，包括以下步骤：

3、 s1：采集历史城市空气微生物分布浓度数据，构建静态城市空气微生物网格细化级别计算模型，所述计算模型根据历史微生物分布浓度计算当前时刻的静态网格细化级别，根据计算得到的静态网格细化级别将待监测空气微生物区域网格化处理；

4、 s2：构建城市空气微生物生态分布影响指标体系，所述指标体系包括温度、湿度、天气和风力数据；

5、 s3：构建城市空气微生物网格细化级别自适应调节模型，所述模型以静态网格细化级别和城市空气微生物生态分布影响指标体系为输入，以动态调整后的网格细化级别为输出；

6、 s4：根据计算得到的动态网格细化级别对待监测空气微生物区域进行进一步网格化处理动态调整区域网格，得到城市空气微生物网格图；

7、 s5：构建城市空气微生物动态扩散模型，所述动态扩散模型以网格内空气微生物的方向扩散概率为自变量，以最小化城市网格空气微生物浓度差值为目标，以区域网格之间的邻接关系为限制条件；

8、 s6：对城市空气微生物动态扩散模型进行快速优化求解得到空气微生物方向扩散概率向量，根据优化得到的空气微生物方向扩散概率向量调整计算不同网格内的空气微生物浓度，通过整合不同网格区域的空气微生物浓度得到整个城市区域的微生物生态分布，其中生物传感器为所述区域网格空气微生物浓度检测的具体实施方式。

9、作为本发明的进一步改进方法：

10、可选地，所述s1步骤中构建静态城市空气微生物网格细化级别计算模型，包括：

11、网格细化级别计算公式为：

12、 

13、；

14、其中：表示选取集合中的最大空气微生物浓度值；

15、 m表示第i行，第j列的网格空气微生物浓度值与相邻的上下左右网格的空气微生物浓度值，，，差值的均值；

16、 表示第i行第j列网格的网格静态细化级别；

17、当时，表示该网格和其四周网格的空气微生物浓度值在75ug/m3以内，则网格被融合成一个大的网格；

18、当时，表示网格空气微生物浓度值高于115ug/m3，且该网格和周围网格的空气微生物浓度平均差值大于5ug/m3且不高于10ug/m3，表明这些网格空气微生物浓度值处于不健康的范围，需要细分网格；

19、当时，表示网格空气微生物浓度值高于115ug/m3，且该网格和周围网格的空气微生物浓度平均差值大于10ug/m3，表明网格空气微生物浓度值处于严重不健康的情况，网格需要被细分成最小的网格;

20、当时，维持网格状态不变。在本发明实施例中，使用生物传感器作为空气微生物浓度监测装置，本发明将城市划分为若干城市空气微生物网格，由于城市空气微生物浓度监测装置的采集精度有限，所划分城市空气微生物网格的网格面积较大，利用城市空气微生物浓度监测装置只能采集到较为模糊的城市空气微生物浓度分布，本发明在城市空气微生物浓度监测装置所监测数据的基础上，基于城市空气微生物网格的微生物浓度邻域分布对城市区域进行细粒度网格划分，获取更为精准的网格空气微生物浓度，进而获取更为精确的城市空气微生物浓度分布。

21、可选地，所述s2步骤中构建城市空气微生物生态分布影响指标体系，包括：

22、 构建城市空气微生物生态分布影响指标体系，包括温度特征、湿度特征、天气特征、风力特征数据，其中温度特征表示网格内的温度值，湿度特征表示网格内的湿度值，天气特征表示网格内的天气状况，其中晴、多云、小雨、中雨、雪分别设置为数值1、2、3、4、5，风力特征表示网格内的风力值。

23、可选地，所述s3步骤中构建城市空气微生物网格细化级别自适应调节模型，包括：

24、所述城市空气微生物网格细化级别自适应调节模型为图模型，每个特征向量为城市空气微生物网格细化级别自适应调节模型中的一个点，特征向量之间的隶属度关系为城市空气微生物网格细化级别自适应调节模型中的边，所述城市空气微生物网格细化级别自适应调节模型的输入为静态网格细化级别和城市空气微生物生态分布影响指标，输出为动态调整后的网格细化级别；

25、所述动态调整网格细化级别流程，包括：

26、 s31：城市空气微生物网格细化级别自适应调节模型计算指标特征中每一维特征所属级别的概率，则输入特征属于级别r的概率为：

27、 其中：表示输入特征中第维特征相对级别的隶属度，；

28、 表示输入指标特征中第维特征的标准差；

29、 表示输入特征中第维特征的均值；

30、 表示级别的第维特征的均值；

31、 e表示自然指数；

32、 表示输入特征属于级别r的概率；

33、 s32：选择概率最大的级别作为当前网格动态调整后的网格细化级别。

34、可选地，所述s4步骤中根据计算得到的动态网格细化级别对待监测空气微生物区域进行进一步网格化处理动态调整区域网格，得到城市空气微生物网格图，包括：

35、根据网格细化级别计算网格边长，确定每个网格的大小，根据动态计算得到的网格边长将城市区域划分为不同的网格单元，具体计算公式为：

36、 其中：表示原始网格边长；

37、 表示网格细化级别；

38、 表示自适应处理后的网格边长。

39、可选地，所述s5步骤中构建城市空气微生物动态扩散模型，包括：

40、 s51：构造空气微生物扩散矩阵，具体计算公式为：

41、 其中：表示监测区域内的网格数量；

42、 表示网格c向其相邻n个毗邻网格之间的空气微生物扩散概率向量；

43、 表示网格索引；

44、 表示相邻网格索引；

45、 s52：根据构造的空气微生物扩散矩阵确定城市空气微生物优化目标函数，所述优化目标通过最小化城市网格空气微生物浓度差值确定城市空气微生物扩散概率向量，具体的计算公式为：

46、 其中：表示网格c内空气微生物浓度值；

47、 表示实际从网格c内扩散出去的空气微生物浓度值。在本发明实施例中，本发明根据环境特征对待细化处理的网格进行细化处理，并结合空气中微生物的扩散概率对细化后的网格进行微生物扩散，得到环境影响下的更为细致准确的城市空气微生物浓度分布网格化表示，并根据细化后的网格对空气微生物扩散过程动态建模，得到城市空气微生物的生态分布监测结果。

48、可选地，所述s6步骤中对城市空气微生物动态扩散模型进行快速优化求解得到空气微生物方向扩散概率向量，包括：

49、所述求解得到空气微生物方向扩散概率向量，包括：

50、 s61：选择初始城市空气微生物扩散概率向量，计算初始残差，设置搜索方向，迭代计数k=0；

51、 s62：按照步骤（1）至步骤（5）迭代更新；

52、步骤（1）各个处理器并行计算各自局部搜索方向，计算公式为：

53、 其中：

54、 表示计算搜索方向的系数，用于确定下一次迭代中的搜索方向；

55、 表示当前轮次的搜索方向，

56、 表示当前轮次的残差，

57、 表示上一轮次的残差；

58、步骤（2）将各个处理器计算得到的局部搜索方向进行全局通信并计算均值搜索方向以确保每个处理器都拥有最新的全局搜索方向信息；

59、步骤（3）根据计算得到的均值搜索方向计算当前轮次的迭代步长，计算公式为：

60、 其中：

61、 表示对称正定的系数矩阵；

62、 表示矩阵与搜索方向的乘积，用于计算步长和更新残差；

63、步骤（4）根据计算得到的迭代步长更新城市空气微生物扩散概率向量和残差：

64、 ；

65、步骤（5）检查残差大小是否满足阈值条件或达到最大迭代次数，如果满足，则停止迭代，否则返回步骤（1）进行迭代计算；

66、根据优化得到的空气微生物方向扩散概率向量调整计算不同区域网格内的空气微生物浓度，通过整合不同网格区域的空气微生物浓度得到整个城市区域的微生物生态分布，包括：

67、根据计算得到最优城市空气微生物扩散概率向量调整计算不同网格空气微生物浓度值，计算公式为：

68、 

69、其中：表示网格c当前的空气微生物浓度；

70、 表示网格j当前的空气微生物浓度；

71、 表示与网格c相邻的网格数量；

72、 表示网格c向其相邻网格i的空气微生物扩散概率；

73、 表示相邻网格j向网格c的空气微生物扩散概率；

74、 表示网格c更新后的空气微生物浓度。

75、为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

76、存储器，存储至少一个指令；

77、通信接口，实现电子设备通信；

78、处理器，执行所述存储器中存储的指令以实现上述所述的城市空气微生物生态分布监测方法。

79、为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的城市空气微生物生态分布监测方法。

80、相对于现有技术，本发明提出一种城市空气微生物生态分布监测方法，该技术具有以下优势：

81、 首先，本方案提出一种城市空气微生物网格细化级别自适应调节模型，所述城市空气微生物网格细化级别自适应调节模型为图模型，每个特征向量 为城市空气微生物网格细化级别自适应调节模型中的一个点，特征向量之间的隶属度关系为城市空气微生物网格细化级别自适应调节模型中的边，所述城市空气微生物网格细化级别自适应调节模型的输入为静态网格细化级别和城市空气微生物生态分布影响指标，输出为动态调整后的网格细化级别；

82、所述动态调整网格细化级别流程，首先通过城市空气微生物网格细化级别自适应调节模型计算指标特征中每一维特征所属级别的概率，则输入特征属于级别r的概率为：

83、 其中：表示输入特征中第维特征相对级别的隶属度，，表示输入指标特征中第维特征的标准差，表示输入特征中第维特征的均值，表示级别的第 维特征的均值，e表示自然指数，表示输入特征属于级别r的概率，选择出概率最大的级别作为当前网格动态调整后的网格细化级别；然后根据计算得到的动态网格细化级别对城市区域进行网格化处理，得到城市空气微生物网格图，所述根据网格细化级别计算网格边长，确定每个网格的大小，具体计算公式为：

84、 其中：表示原始网格边长，表示网格细化级别，表示自适应处理后的网格边长。

85、同时，本方案提出一种城市空气微生物动态扩散方法，构造空气微生物扩散矩阵，具体计算公式为：

86、 其中：表示监测区域内的网格数量，表示网格c向其相邻n个毗邻网格之间的空气微生物扩散概率向量，表示网格索引，表示相邻网格索引，根据构造的空气微生物扩散矩阵确定城市空气微生物优化目标函数，所述优化目标通过最小化城市网格空气微生物浓度差值确定城市空气微生物扩散概率向量，具体的计算公式为：

87、 其中：表示网格c内空气微生物浓度值，表示实际从网格c内扩散出去的空气微生物浓度值，然后对城市空气微生物动态扩散模型进行快速优化求解得到空气微生物方向扩散概率向量，包括：所述求解得到空气微生物方向扩散概率向量，选择初始城市空气微生物扩散概率向量，计算初始残差，设置搜索方向，迭代计数k=0；按照步骤（1）至步骤（5）迭代更新：步骤（1）各个处理器并行计算各自局部搜索方向，计算公式为：

88、 其中表示计算搜索方向的系数，用于确定下一次迭代中的搜索方向，表示当前轮次的搜索方向，表示当前轮次的残差，表示上一轮次的残差，步骤（2）将各个处理器计算得到的局部搜索方向进行全局通信并计算均值搜索方向以确保每个处理器都拥有最新的全局搜索方向信息；步骤（3）根据计算得到的均值搜索方向计算当前轮次的迭代步长，计算公式为：

89、 其中：表示对称正定的系数矩阵，表示矩阵与搜索方向的乘积，用于计算步长和更新残差；步骤（4）根据计算得到的迭代步长更新城市空气微生物扩散概率向量和残差：

90、 ，；步骤（5）检查残差大小是否满足阈值条件或达到最大迭代次数，如果满足，则停止迭代，否则返回步骤（1）进行迭代计算；返回最终求解得到的解向量 作为最优城市空气微生物扩散概率向量；最后根据优化得到的空气微生物方向扩散概率向量调整计算不同网格内的空气微生物浓度，计算公式为：

91、 其中：表示网格c当前的空气微生物浓度，表示网格j当前的空气微生物浓度，表示与网格c相邻的网格数量，表示网格c向其相邻网格i的空气微生物扩散概率，表示相邻网格j向网格c的空气微生物扩散概率，表示网格c更新后的空气微生物浓度，进而得到空气微生物生态分布。本方案根据环境特征对待细化处理的网格进行细化处理，并结合空气中微生物的扩散概率对细化后的网格进行微生物扩散，得到环境影响下的更为细致准确的城市空气微生物浓度分布网格化表示，根据细化后的网格对空气微生物动态扩散过程计算得到扩散后的细化网格微生物浓度，进而，得到城市空气微生物的生态分布监测结果。