基于人工智能的环境监测传感器数据分析方法及系统与流程

本技术涉及人工智能，具体而言，涉及基于人工智能的环境监测传感器数据分析方法及系统。

背景技术：

1、环境监测，又称为环境质量监测，是对环境中各种因素（如空气、水、土壤、噪声等）的系统性、连续性和全面性观测与评估。它涉及到收集环境数据，分析这些数据，并用这些信息来评估环境健康状况，以便更好地理解和保护我们的环境。

2、环境监测可以提供关于空气质量、水质、土壤条件等环境要素的准确信息，帮助我们了解环境现状。通过对环境的持续观察和跟踪，可以预警可能的环境问题，从而及时采取措施避免或减少环境污染和破坏。环境监测数据是制定和调整环保政策的重要依据，也可以用来评估现有政策的效果。环境监测产生的大量数据对环境科学研究具有重要价值，可以促进我们对环境系统的理解。通过公开发布环境监测结果，可以增强公众的环保意识，促使社会各界共同参与环境保护。

3、在实际的环境监测任务中，如何实现准确可靠的环境状态趋势预测仍然是目前需要改善的一个方面。

技术实现思路

1、本技术至少提供基于人工智能的环境监测传感器数据分析方法及系统。

2、本技术提供了一种基于人工智能的环境监测传感器数据分析方法，应用于传感器数据分析系统，所述方法包括：

3、采集拟识别环境监测传感器数据；

4、将所述拟识别环境监测传感器数据加载到目标环境数据解析网络中的若干个监测情境标签各自匹配的目标属性抽取分支进行属性抽取操作，得到各个监测情境标签对应的环境监测数据属性知识；所述目标环境数据解析网络为通过排他代价数据对基础属性抽取分支中的基础监测情境关联组件调试得到，所述排他代价数据表征环境关联属性资料的共性指数，所述环境关联属性资料为任两个监测情境标签对应的基础监测情境关联组件生成的环境关联属性向量；

5、依据所述各个监测情境标签对应的环境监测数据属性知识和所述各个监测情境标签对应的目标判别分支，确定所述拟识别环境监测传感器数据对应的目标环境状态趋势观点。

6、可选的，所述目标环境数据解析网络通过如下步骤获得：

7、获取第一环境监测传感器数据案例集；

8、将所述第一环境监测传感器数据案例集加载到设定ai网络中的所述若干个监测情境标签各自匹配的基础属性抽取分支进行属性抽取操作，得到所述各个监测情境标签对应的环境关联属性向量案例；

9、基于目标情境标签对对应的环境关联属性向量案例，确定所述目标情境标签对对应的排他代价数据；所述目标情境标签对为所述若干个监测情境标签中的任两个；

10、依据所述目标情境标签对对应的排他代价数据，对所述目标情境标签对对应的基础监测情境关联组件进行调试，得到所述目标环境数据解析网络。

11、可选的，所述各个监测情境标签对应的基础属性抽取分支包括基础卷积组件和基础知识挖掘组件，所述基础知识挖掘组件包括第一焦点化组件、第一特征映射组件、基础监测情境关联组件和第一特征集成组件；

12、所述将所述第一环境监测传感器数据案例集加载到设定ai网络中的所述若干个监测情境标签各自匹配的基础属性抽取分支进行属性抽取操作，得到所述各个监测情境标签对应的环境关联属性向量案例，包括：

13、将所述第一环境监测传感器数据案例集加载到所述各个监测情境标签对应的基础卷积组件进行卷积操作，得到所述各个监测情境标签对应的环境监测传感器数据案例卷积特征；

14、将所述各个监测情境标签对应的环境监测传感器数据案例卷积特征加载到所述各个监测情境标签对应的第一焦点化组件进行焦点强化操作，得到所述各个监测情境标签对应的第一焦点强化向量案例；

15、将所述各个监测情境标签对应的第一焦点强化向量案例和所述各个监测情境标签对应的环境监测传感器数据案例卷积特征加载到所述各个监测情境标签对应的第一特征映射组件进行特征映射操作，得到所述各个监测情境标签对应的第一基础监测映射向量；

16、将所述各个监测情境标签对应的第一焦点强化向量案例和所述各个监测情境标签对应的环境监测传感器数据案例卷积特征加载到所述各个监测情境标签对应的基础监测情境关联组件进行关联操作，得到所述各个监测情境标签对应的第一环境关联属性向量；

17、将所述各个监测情境标签对应的第一基础监测映射向量、所述各个监测情境标签对应的第一环境关联属性向量、所述各个监测情境标签对应的第一焦点强化向量案例和所述各个监测情境标签对应的环境监测传感器数据案例卷积特征加载到所述各个监测情境标签对应的第一特征集成组件进行向量集成操作，得到所述各个监测情境标签对应的第二基础监测映射向量。

18、可选的，所述方法还包括：

19、获取所述第一环境监测传感器数据案例集中各个环境监测传感器数据案例对应的第一环境状态趋势观点案例；

20、将所述各个监测情境标签对应的第二基础监测映射向量加载到所述设定ai网络中的所述各个监测情境标签对应的基础判别分支进行判别操作，得到所述各个监测情境标签对应的第三环境状态趋势预测观点；

21、将所述第一环境监测传感器数据案例集加载到所述设定ai网络中的基础置信度识别组件进行置信度识别，得到所述第一环境监测传感器数据案例集中各个环境监测传感器数据案例对应的置信度案例；

22、依据所述置信度案例，对所述若干个监测情境标签各自匹配的第三环境状态趋势预测观点进行加权操作，得到所述第一环境监测传感器数据案例集中各个环境监测传感器数据案例对应的第四环境状态趋势预测观点；

23、依据所述第四环境状态趋势预测观点和所述第一环境状态趋势观点案例，确定第一置信代价数据；

24、所述依据所述目标情境标签对对应的排他代价数据，对所述目标情境标签对对应的基础监测情境关联组件进行调试，得到所述目标环境数据解析网络，包括：

25、依据所述目标情境标签对对应的排他代价数据，对所述目标情境标签对对应的基础监测情境关联组件进行调试，并依据所述第一置信代价数据，对所述基础置信度识别组件进行调试，得到所述目标环境数据解析网络。

26、可选的，所述各个监测情境标签对应的基础属性抽取分支包括基础卷积组件和基础知识挖掘组件，所述基础知识挖掘组件包括第二焦点化组件、第二特征映射组件、基础监测情境关联组件和第二特征集成组件，所述基础监测情境关联组件包括第一基础监测情境联动处理节点和第二基础监测情境联动处理节点；

27、所述将所述第一环境监测传感器数据案例集加载到设定ai网络中的所述若干个监测情境标签各自匹配的基础属性抽取分支进行属性抽取操作，得到所述各个监测情境标签对应的环境关联属性向量案例，包括：

28、将所述第一环境监测传感器数据案例集加载到所述各个监测情境标签对应的基础卷积组件进行卷积操作，得到所述各个监测情境标签对应的环境监测传感器数据案例卷积特征；

29、将所述各个监测情境标签对应的环境监测传感器数据案例卷积特征加载到所述各个监测情境标签对应的第二焦点化组件进行焦点强化操作，得到所述各个监测情境标签对应的第二焦点强化向量案例；

30、将所述各个监测情境标签对应的第二焦点强化向量案例加载到所述各个监测情境标签对应的第一基础监测情境联动处理节点进行关联操作，得到所述各个监测情境标签对应的第二环境关联属性向量；

31、将所述各个监测情境标签对应的第二环境关联属性向量和所述各个监测情境标签对应的环境监测传感器数据案例卷积特征加载到所述各个监测情境标签对应的第二特征映射组件进行特征映射操作，得到所述各个监测情境标签对应的第三基础监测映射向量；

32、将所述各个监测情境标签对应的第三基础监测映射向量加载到所述各个监测情境标签对应的第二基础监测情境联动处理节点进行关联操作，得到所述各个监测情境标签对应的第三环境关联属性向量；

33、将所述各个监测情境标签对应的第三环境关联属性向量、所述各个监测情境标签对应的第二环境关联属性向量和所述各个监测情境标签对应的环境监测传感器数据案例卷积特征加载到所述各个监测情境标签对应的第二特征集成组件进行向量集成操作，得到所述各个监测情境标签对应的第四基础监测映射向量。

34、可选的，所述方法还包括：

35、获取所述第一环境监测传感器数据案例集中各个环境监测传感器数据案例对应的第一环境状态趋势观点案例；

36、将所述各个监测情境标签对应的第四基础监测映射向量加载到所述设定ai网络中的所述各个监测情境标签对应的基础判别分支进行判别操作，得到所述各个监测情境标签对应的第五环境状态趋势预测观点；

37、将所述第一环境监测传感器数据案例集加载到所述设定ai网络中的基础置信度识别组件进行置信度识别，得到所述第一环境监测传感器数据案例集中各个环境监测传感器数据案例对应的置信度案例；

38、依据所述置信度案例，对所述若干个监测情境标签各自匹配的第五环境状态趋势预测观点进行加权操作，得到所述第一环境监测传感器数据案例集中各个环境监测传感器数据案例对应的第六环境状态趋势预测观点；

39、依据所述第六环境状态趋势预测观点和所述第一环境状态趋势观点案例，确定第二置信代价数据；

40、所述依据所述目标情境标签对对应的排他代价数据，对所述目标情境标签对对应的基础监测情境关联组件进行调试，得到所述目标环境数据解析网络，包括：

41、依据所述目标情境标签对对应的排他代价数据，对所述目标情境标签对对应的基础监测情境关联组件进行调试，并依据所述第二置信代价数据，对所述基础置信度识别组件进行调试，得到所述目标环境数据解析网络。

42、可选的，所述方法还包括：

43、获取第二环境监测传感器数据案例集和所述第二环境监测传感器数据案例集中各个环境监测传感器数据案例对应的第二环境状态趋势观点案例；

44、将所述第二环境监测传感器数据案例集加载到所述设定ai网络中的所述若干个监测情境标签各自匹配的基础属性抽取分支进行属性抽取操作，得到所述各个监测情境标签对应的第五基础监测映射向量；

45、将所述各个监测情境标签对应的第五基础监测映射向量加载到所述各个监测情境标签对应的基础判别分支进行判别操作，得到所述各个监测情境标签对应的第七环境状态趋势预测观点；

46、依据所述各个监测情境标签对应的第七环境状态趋势预测观点和所述第二环境状态趋势观点案例，确定所述各个监测情境标签对应的环境监测代价数据；

47、所述依据所述目标情境标签对对应的排他代价数据，对所述目标情境标签对对应的基础监测情境关联组件进行调试，得到所述目标环境数据解析网络，包括：

48、依据所述目标情境标签对对应的排他代价数据，对所述目标情境标签对对应的基础监测情境关联组件进行调试，并依据所述各个监测情境标签对应的环境监测代价数据，对所述设定ai网络中的所述各个监测情境标签对应的初始网络组件进行调试，得到所述目标环境数据解析网络；

49、所述各个监测情境标签对应的初始网络组件为所述各个监测情境标签对应的基础属性抽取分支中除所述各个监测情境标签对应的基础监测情境关联组件以外的组件。

50、可选的，所述依据所述各个监测情境标签对应的环境监测数据属性知识和所述各个监测情境标签对应的目标判别分支，确定所述拟识别环境监测传感器数据对应的目标环境状态趋势观点，包括：

51、将所述各个监测情境标签对应的环境监测数据属性知识加载到所述各个监测情境标签对应的目标判别分支进行判别操作，得到所述各个监测情境标签对应的第一环境状态趋势预测观点；

52、依据所述若干个监测情境标签各自匹配的第一环境状态趋势预测观点，确定所述拟识别环境监测传感器数据对应的目标环境状态趋势观点。

53、可选的，所述方法还包括：

54、将所述拟识别环境监测传感器数据加载到所述目标环境数据解析网络中的目标置信度识别组件进行置信度识别，得到目标置信度；

55、所述依据所述若干个监测情境标签各自匹配的第一环境状态趋势预测观点，确定所述拟识别环境监测传感器数据对应的目标环境状态趋势观点，包括：

56、依据所述目标置信度，对所述若干个监测情境标签各自匹配的第一环境状态趋势预测观点进行加权操作，得到所述拟识别环境监测传感器数据对应的第二环境状态趋势预测观点；

57、依据所述第二环境状态趋势预测观点，确定所述目标环境状态趋势观点。

58、可选的，所述将所述拟识别环境监测传感器数据加载到目标环境数据解析网络中的若干个监测情境标签各自匹配的目标属性抽取分支进行属性抽取操作，得到各个监测情境标签对应的环境监测数据属性知识，包括：

59、将所述拟识别环境监测传感器数据加载到所述各个监测情境标签对应的目标属性抽取分支中的目标卷积组件进行卷积操作，得到所述各个监测情境标签对应的环境监测传感器数据卷积特征；

60、将所述各个监测情境标签对应的环境监测传感器数据卷积特征加载到所述各个监测情境标签对应的目标属性抽取分支中的目标知识挖掘组件进行知识挖掘，得到所述各个监测情境标签对应的环境监测数据属性知识。

61、可选的，所述各个监测情境标签对应的目标知识挖掘组件包括第三焦点化组件、第三特征映射组件、目标监测情境关联组件和第三特征集成组件；

62、所述将所述各个监测情境标签对应的环境监测传感器数据卷积特征加载到所述各个监测情境标签对应的目标属性抽取分支中的目标知识挖掘组件进行知识挖掘，得到所述各个监测情境标签对应的环境监测数据属性知识，包括：

63、将所述各个监测情境标签对应的环境监测传感器数据卷积特征加载到所述各个监测情境标签对应的第三焦点化组件进行焦点强化操作，得到所述各个监测情境标签对应的第三焦点强化向量案例；

64、将所述各个监测情境标签对应的环境监测传感器数据卷积特征和所述各个监测情境标签对应的第三焦点强化向量案例加载到所述各个监测情境标签对应的第三特征映射组件进行特征映射操作，得到所述各个监测情境标签对应的第一目标监测映射向量；

65、将所述各个监测情境标签对应的环境监测传感器数据卷积特征和所述各个监测情境标签对应的第三焦点强化向量案例加载到所述各个监测情境标签对应的目标监测情境关联组件进行关联操作，得到所述各个监测情境标签对应的第四环境关联属性向量；

66、将所述各个监测情境标签对应的第四环境关联属性向量、所述各个监测情境标签对应的第一目标监测映射向量、所述各个监测情境标签对应的环境监测传感器数据卷积特征和所述各个监测情境标签对应的第三焦点强化向量案例加载到所述各个监测情境标签对应的第三特征集成组件进行向量集成操作，得到所述各个监测情境标签对应的环境监测数据属性知识。

67、可选的，所述各个监测情境标签对应的目标知识挖掘组件包括第四焦点化组件、第四特征映射组件、目标监测情境关联组件和第四特征集成组件，所述各个监测情境标签对应的目标监测情境关联组件包括第一目标监测情境联动处理节点和第二目标监测情境联动处理节点；

68、所述将所述各个监测情境标签对应的环境监测传感器数据卷积特征加载到所述各个监测情境标签对应的目标属性抽取分支中的目标知识挖掘组件进行知识挖掘，得到所述各个监测情境标签对应的环境监测数据属性知识，包括：

69、将所述各个监测情境标签对应的环境监测传感器数据卷积特征加载到所述各个监测情境标签对应的第四焦点化组件进行焦点强化操作，得到所述各个监测情境标签对应的第四焦点强化向量案例；

70、将所述各个监测情境标签对应的第四焦点强化向量案例加载到所述各个监测情境标签对应的第一目标监测情境联动处理节点进行关联操作，得到所述各个监测情境标签对应的第五环境关联属性向量；

71、将所述各个监测情境标签对应的第五环境关联属性向量和所述各个监测情境标签对应的环境监测传感器数据卷积特征加载到所述各个监测情境标签对应的第四特征映射组件进行特征映射操作，得到所述各个监测情境标签对应的第二目标监测映射向量；

72、将所述各个监测情境标签对应的第二目标监测映射向量加载到所述各个监测情境标签对应的第二目标监测情境联动处理节点进行关联操作，得到所述各个监测情境标签对应的第六环境关联属性向量；

73、将所述各个监测情境标签对应的第六环境关联属性向量、所述各个监测情境标签对应的第五环境关联属性向量和所述各个监测情境标签对应的环境监测传感器数据卷积特征加载到所述各个监测情境标签对应的第四特征集成组件进行向量集成操作，得到所述各个监测情境标签对应的环境监测数据属性知识。

74、本技术还提供了一种传感器数据分析系统，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述方法。

75、本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在运行时实现上述的方法。

76、本技术的实施例提供的技术方案可以包括以下有益效果：通过采集拟识别环境监测传感器数据，将拟识别环境监测传感器数据加载到目标环境数据解析网络中的若干个监测情境标签各自匹配的目标属性抽取分支进行属性抽取操作，得到各个监测情境标签对应的环境监测数据属性知识，其中，目标环境数据解析网络为通过排他代价数据对基础属性抽取分支中的基础监测情境关联组件调试得到，排他代价数据表征若干个监测情境标签中的任两个监测情境标签对应的基础监测情境关联组件生成的环境关联属性向量之间的共性指数，通过排他代价数据调试可使得不同监测情境标签对应的目标属性抽取分支之间的关联性得到削弱而互异性得到强化，这样能够降低不同目标属性抽取分支生成属性知识的关联度，提高不同目标属性抽取分支生成属性知识的区别，从而提高若干个分支之间的联动质量，且通过调试基础监测情境关联组件得到目标环境数据解析网络，可以减少调试过程的运算量，再结合各个监测情境标签对应的环境监测数据属性知识和目标环境数据解析网络中的若干个监测情境标签各自匹配的目标判别分支，确定拟识别环境监测传感器数据对应的目标环境状态趋势观点，可以提升目标环境数据解析网络对于存在多种监测情境标签的环境监测传感器数据的环境状态趋势判别精度，这样能够实现准确可靠的环境状态趋势预测，从而为后续的环境治理提供可信依据。

77、关于上述传感器数据分析系统、计算机可读存储介质的效果描述参见上述方法的说明。

78、为使本技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。