一种有害气体浓度监测数据优化处理方法与流程

本发明涉及数据去噪处理，具体涉及一种有害气体浓度监测数据优化处理方法。

背景技术：

1、随着社会不断发展，在日常生活中产生的垃圾逐渐增多，而在垃圾进行集中处理的过程中，可能会产生散发臭味的具有污染性的气体，可能会危害人们身体健康。为了减少垃圾对人们生活以及健康的影响，在对垃圾进行集中处理时会对产生的废气进行处理以达到排放标准。一般采用喷淋植物液掩盖臭味，或通过化学反应等方式进行除臭。由于有害气体是实时产生的，故需要对有害气体浓度进行实时监测，但是采集到的有害气体浓度监测数据可能会存在噪声干扰，因此为能够准确的对有害气体浓度进行实时监测，对有害气体浓度监测数据进行去噪处理就显得尤为重要。现有的去噪方法采用固定数值的滤波窗口对有害气体浓度监测数据进行去噪处理，使得数据去噪效果较差。

技术实现思路

1、为了解决现有的去噪方法的数据去噪效果较差的技术问题，本发明的目的在于提供一种有害气体浓度监测数据优化处理方法，所采用的技术方案具体如下：

2、获取设定时间段内不同时刻的有害气体浓度数据，构成浓度数据序列；获取浓度数据序列中每个浓度数据的邻域数据子序列；

3、对每个邻域数据子序列分别进行分解得到每个浓度数据的残差序列；根据每个浓度数据的残差序列中残差数据之间的差异分布得到每个浓度数据的残差扩散系数；

4、根据每个浓度数据的残差扩散系数和邻域数据子序列中数据的波动情况得到每个浓度数据的浓度变异指数；根据每个浓度数据的残差扩散系数和邻域数据子序列中相邻数据之间的差异情况得到每个浓度数据的浓度跳变指数；根据所述浓度变异指数和浓度跳变指数确定每个浓度数据的动态均衡度；

5、根据所述动态均衡度确定每个浓度数据对应的滤波窗口长度，利用所述滤波窗口长度分别对浓度数据序列中每个浓度数据进行滤波处理，得到优化数据序列。

6、优选地，所述根据每个浓度数据的残差序列中残差数据之间的差异分布得到每个浓度数据的残差扩散系数，具体包括：

7、对于任意一个浓度数据，利用均值滤波对浓度数据的残差序列进行处理，得到优化残差序列；计算优化残差序列中所有优化残差数据的均值，将优化残差序列中优化残差数据的最大值与最小值的差值作为第一系数；

8、将优化残差序列中任意一个优化残差数据记为选定优化残差数据，计算选定优化残差数据与所述均值的差值绝对值得到第二系数；将第一系数和第二系数的比值作为选定优化残差数据的差异特征值；

9、计算浓度数据对应的优化残差序列中所有优化残差数据的差异特征值的均值作为浓度数据的残差扩散系数。

10、优选地，所述根据每个浓度数据的残差扩散系数和邻域数据子序列中数据的波动情况得到每个浓度数据的浓度变异指数，具体包括：

11、对于任意一个浓度数据，分别获取该浓度数据的邻域数据子序列中所有数据的方差和均值，根据浓度数据对应的所述方差和均值、残差扩散系数，得到浓度数据的浓度变异指数；

12、所述方差和残差扩散系数均与浓度变异指数之间呈正相关关系，所述均值和浓度变异指数之间呈负相关关系。

13、优选地，所述根据每个浓度数据的残差扩散系数和邻域数据子序列中相邻数据之间的差异情况得到每个浓度数据的浓度跳变指数，具体包括：

14、对于任意一个浓度数据，根据该浓度数据的邻域数据子序列中相邻数据之间的差异，获得浓度数据的差分序列；根据浓度数据的差分序列中差分数据之间的差异得到浓度数据的跳变系数；

15、根据浓度数据的跳变系数和残差扩散系数得到浓度数据的浓度跳变指数；所述跳变系数和残差扩散系数均与浓度跳变指数之间呈正相关关系。

16、优选地，所述根据该浓度数据的邻域数据子序列中相邻数据之间的差异，获得浓度数据的差分序列，具体包括：

17、将浓度数据的邻域数据子序列中除了最后一个数据之外的任意一个数据记为选定数据，计算选定数据与其相邻的下一个数据之间的差值得到选定数据的差分数据；

18、计算浓度数据的邻域数据子序列中所有数据的均值记为特征均值；对于浓度数据的邻域数据子序列中的最后一个数据，将所述最后一个数据与特征均值的差值作为所述最后一个数据的差分数据；浓度数据的邻域数据子序列中所有数据的差分数据构成浓度数据的差分序列。

19、优选地，所述根据浓度数据的差分序列中差分数据之间的差异得到浓度数据的跳变系数，具体包括：

20、将浓度数据的差分序列中差分数据的取值大于或等于0的差分数据记为第一数据类别，将差分数据的取值小于0的差分数据记为第二数据类别；获取浓度数据的差分序列中每相邻两个差分数据之间的数据类别不同的数量，将该数量与差分序列中所有差分数据的总数量的比值作为浓度数据的跳变系数。

21、优选地，所述获取浓度数据序列中每个浓度数据的邻域数据子序列，具体包括：

22、将浓度数据序列中任意一个浓度数据记为目标浓度数据，从目标浓度数据开始获取预设时间长度内包含的浓度数据构成目标浓度数据的邻域数据子序列，所述预设时间长度小于设定时间段的时间长度。

23、优选地，所述根据所述浓度变异指数和浓度跳变指数确定每个浓度数据的动态均衡度，具体包括：

24、对于任意一个浓度数据，对浓度数据的浓度变异指数和浓度跳变指数的和值进行负相关归一化处理，得到浓度数据的动态均衡度。

25、优选地，所述根据所述动态均衡度确定每个浓度数据对应的滤波窗口长度，具体包括：

26、对于任意一个浓度数据，计算预设数值与浓度数据的动态均衡度之间的乘积，对该乘积进行向上取整处理，得到长度系数；根据长度系数获得浓度数据对应的滤波窗口长度；其中，预设数值的取值大于0。

27、优选地，所述根据长度系数获得浓度数据对应的滤波窗口长度，具体包括：

28、

29、其中，l为浓度数据对应的滤波窗口长度，m为浓度数据对应的长度系数。

30、本发明实施例至少具有如下有益效果：

31、本发明首先获取有害气体浓度数据的浓度数据序列，在浓度数据序列中获取每个浓度数据的邻域数据子序列，以便后续对每个浓度数据的邻域范围内的数据变化情况进行分析，自适应确定每个浓度数据的滤波窗口。然后，分别获取每个浓度数据的残差序列，并对其中的差异分布情况进行分析，获得表征浓度数据对应的邻域范围内数据差异以及离散程度的残差扩散系数。进一步的，对浓度数据的邻域数据子序列中数据的波动情况进行分析，集合残差扩散系数，获得浓度变异指数，表征浓度数据的对应的邻域范围内数据的波动情况；对浓度数据的邻域数据子序列中数据的差异情况进行分析，并结合残差扩散系数，获得浓度跳变指数，表征浓度数据对应的邻域范围内数据的差异情况。结合两个方面的分析结果，获得浓度数据的动态均衡度，表征了浓度数据对应的邻域范围内数据的稳定性程度。最后，根据所述动态均衡度确定每个浓度数据对应的滤波窗口长度，能够根据浓度数据的邻域范围内数据的稳定性程度自适应获取滤波窗口长度，使得利用该滤波窗口长度对每个浓度数据进行滤波处理的效果较好，优化数据序列具有更强的抗干扰性。