一种生物气溶胶用智能监测方法及系统与流程

本发明涉及数据处理，具体涉及一种生物气溶胶用智能监测方法及系统。

背景技术：

1、生物气溶胶是悬浮在空气中的微小生物颗粒，包括细菌、真菌、病毒等，生物气溶胶的存在可以影响室内空气质量，特别是在目标环境下，不仅可以影响人类健康，还可能对动物和植物造成损害。通过监测生物气溶胶的颗粒数量，可以用于环境监测，并且对部分微生物的存在和分布分析有助于获得生态系统和生物多样性的信息，以及追踪疾病的传播途径和范围，并及时采取措施来控制传染病的传播。

2、在常规的生物气溶胶的智能监测中使用k-means聚类算法通过获取标准数据类簇的检测空间进行异常监测的，但是由于生物气溶胶在空气中受温度、湿度和风向的影响导致对生物气溶胶监测到的数据使用k-means聚类算法获取到的标准数据类簇的检测空间不准确，因此需要对其进行修正处理。

技术实现思路

1、本发明提供一种生物气溶胶用智能监测方法及系统，以解决现有的问题。

2、本发明的一种生物气溶胶用智能监测方法及系统采用如下技术方案：

3、本发明一个实施例提供了一种生物气溶胶用智能监测方法，该方法包括以下步骤：

4、采集生物气溶胶的实时监测数据；

5、对生物气溶胶的实时监测数据进行标准化获得标准化后的监测数据，根据标准化后的监测数据构建监测空间，对标准化后的监测数据进行聚类得到类簇；

6、根据实时监测数据和监测空间得到每个数据点的时序聚类权重，根据类簇中的数据和监测空间得到每个数据点在每个类簇中的分布聚类权重，根据每个数据点的时序聚类权重和每个数据点在每个类簇中的分布聚类权重得到每个数据点到聚类中心点的第二聚类距离；

7、根据每个数据点到聚类中心点的第二聚类距离进行聚类得到异常监测参数，根据异常监测参数进行对生物气溶胶的实时监测数据进行监测分析。

8、进一步地，所述根据标准化后的监测数据构建监测空间，包括的具体步骤如下：

9、实时监测数据包括每个时刻每种颗粒物的浓度和大小分布；

10、以颗粒物的浓度为横轴，以颗粒物的大小分布为纵轴建立坐标系获取生物气溶胶的监测空间。

11、进一步地，所述对标准化后的监测数据进行聚类得到类簇，包括的具体步骤如下：

12、使用pca算法对标准化后的监测数据进行降维得到降维后的每个时刻的主成分颗粒物；

13、对每个时刻中的所有主成分颗粒物数据点进行聚类，得到类簇；其中，对每个时刻的数据聚成k个类簇，k为预设阈值。

14、进一步地，所述每个数据点的时序聚类权重的具体获取步骤如下：

15、每个数据点的时序聚类权重的公式为：

16、；

17、式中，ci,t,t-1表示第i个主成分颗粒物在第t个时刻的数据与相邻的第t-1个时刻的数据在监测空间中包含的数据点的个数，ci,t,t+1表示第i个主成分颗粒物在第t个时刻的数据与相邻的第t+1个时刻的数据在监测空间中包含的数据点的个数；di,t,t-1表示第i个主成分颗粒物在第t个时刻与相邻的第t-1个时刻对应的数据点在监测空间中的欧式距离，di,t,t+1表示第i个主成分颗粒物在第t个时刻与相邻的第t+1个时刻对应的数据点在监测空间中的欧式距离；exp( )表示以自然常数为底的指数函数，||表示绝对值符号，max表示取最大值函数，ωi,t表示第i个主成分颗粒物在第t个时刻的数据点的时序聚类权重。

18、进一步地，相邻时刻的数据点在监测空间中包含的数据点的个数，包括的具体步骤如下：

19、相邻时刻的数据点在监测空间中包含的数据点的个数为：对相邻时刻的数据点在横向和纵向进行延伸，获取相邻时刻的数据点延伸后相交的两个点，记为标记点，根据相邻时刻的两个数据点和两个标记点构成一个平面区间，将该平面区间中的数据点记为相邻时刻的数据点在监测空间中包含的数据点，统计平面区间中的数据点个数即可得到相邻时刻的数据点在监测空间中包含的数据点的个数。

20、进一步地，所述每个数据点在每个类簇中的分布聚类权重的具体获取步骤如下：

21、每个数据点聚类在每个类簇中的分布聚类权重的公式为：

22、；

23、式中，xi,t表示第i个主成分颗粒物在第t个时刻的数据点的横坐标，yi,t表示第i个主成分颗粒物在第t个时刻的数据点的纵坐标，xt,h表示第t个时刻的第h个类簇的聚类中心点的横坐标，yt,h表示第t个时刻的第h个类簇的聚类中心点的纵坐标，表示第t个时刻的第h个类簇所有数据点的中心点的横坐标，表示第t个时刻的第h个类簇所有数据点的中心点的纵坐标，其中，表示数据点的横坐标在区间内包含的数据点个数，表示数据点的横坐标在区间内包含的数据点个数，表示数据点的纵坐标在区间内包含的数据点个数，表示数据点的纵坐标在区间内包含的数据点个数，区间都为开区间；qxt,h表示第t个时刻的第h个类簇所有数据点的横坐标的偏度，qyt,h表示第t个时刻的第h个类簇所有数据点的纵坐标的偏度，表示第i个主成分颗粒物在第t个时刻的数据点聚类在第h个类簇中的分布聚类权重。

24、进一步地，所述每个数据点到聚类中心点的第二聚类距离，包括的具体步骤如下：

25、每个数据点到聚类中心的第二聚类距离的公式为：

26、；

27、式中，ωi,t表示第i个主成分颗粒物在第t个时刻的数据点的时序聚类权重，表示第i个主成分颗粒物在第t个时刻的数据点聚类在第h个类簇中的分布聚类权重，di,t,h表示第i个主成分颗粒物在第t个时刻的数据点与在第t个时刻内第h个类簇的聚类中心点之间的欧式距离，表示第i个主成分颗粒物在第t个时刻的数据点与在第t个时刻内第h个类簇的聚类中心点的第二聚类距离，norm( )表示线性归一化函数。

28、进一步地，所述根据每个数据点到聚类中心点的第二聚类距离进行聚类得到异常监测参数，包括的具体步骤如下：

29、依据每个数据点到聚类中心点的第二聚类距离通过k-means算法对所有实时监测数据分别对每个时刻内的数据点进行聚类，得到每个时刻的k个类簇；选取包含数据点个数最多的一个类簇作为标准数据簇，获取标准数据簇中的聚类中心点和所有数据点到聚类中心点的平均距离作为异常监测参数。

30、进一步地，所述根据异常监测参数进行对采集的生物气溶胶监测数据进行监测分析，包括的具体步骤如下：

31、以异常监测参数中标准数据簇的聚类中心点为圆心，以异常监测参数中的所有数据点到聚类中心点的平均距离为半径获取异常监测区域，根据异常监测区域去判断每次不同类型颗粒物在每个时刻获取到的数据点是否为正常数据，当数据点在异常监测区域，则判定获取到的数据为正常数据，当数据点不在异常监测区域，则判定获取到的数据异常数据。

32、本发明还提供了一种生物气溶胶用智能监测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项步骤。

33、本发明的技术方案的有益效果是：本发明通过对生物气溶胶的实时监测数据在空间维度和时间度上的分析，得到每个数据点在空间维度的分布聚类权重和时间维度的时序聚类权重，提高了数据在进行聚类时的实际复杂性；在根据每个数据点的分布聚类权重和时序聚类权重对每个数据点到聚类中心点的距离进行修正，得到每个数据点到聚类中心的第二聚类距离，提高了实时监测数据在进行监测的准确性。