一种基于大数据的环境检测系统的制作方法

本发明涉及环境检测系统领域，具体涉及一种基于大数据的环境检测系统。

背景技术：

近年来，随着社会经济的发展和工业自动化程度的提高，各种机械设备的运转，公路上机动车日益递增，每时每刻都在燃烧汽油或者煤炭，向大气排放大量的氮氧化物、硫化物、煤尘烟。各种天气、雾霾pm2.5、co、so2、no2、o3气体等污染物对人们的出行、身体健康造成极大困扰，环境治理已刻不容缓。

互联网的发展，使大数据技术在当前许多行业和工作中都有着重要意义，并且和人们的生活与工作息息相关，密不可分，对于环境检测工作也是如此。传统的信息收集处理方式已经不能有效满足环境监测对相关数据的需求。大数据技术不仅能够提升环境检测工作效率，同时还能精确的对环境数据进行计算与分析，从而为检测人员提供准确的检测信息，保证环境检测工作能够有效开展。

技术实现要素：

为了克服传统方式对环境检测的问题，本发明提供了一种基于大数据的环境检测系统。

一种基于大数据的环境检测系统，该系统包括：数据检测终端、第一传输模块、云计算服务器、第二传输模块和智能终端，其特征在于：

数据检测终端：包括电源模块、数据采集模块，数据采集模块通过传感器实时获取当前环境的环境检测数据；

第一传输模块：将数据检测终端获取到的环境检测数据进行加密，该加密数据被发送给云计算服务器；

云计算服务器：包括数据解密模块、数据预处理单元、数据存储模块、数据安全模块、数据分析模块和数据处理模块，其中，数据解密模块对经传输模块发送的加密数据进行解密，并发送给数据预处理单元；数据预处理单元对接收到的当前环境检测数据进行清洗，剔除无效数据，并将清洗后的数据转换成统一格式；数据存储模块存储历史环境检测数据和数据预处理单元发送的数据；数据安全模块包括防火墙及网络安全设备，用于维护数据存储模块中的数据安全，并防止对数据的篡改及盗取；数据分析模块对据收集到的数据进行分析，形成数据统计分析结果，并采用神经网络对环境进行预测；数据处理模块，根据所述数据统计分析结果生成指示信息；

智能终端：通过第二传输模块连接至云计算服务器，用于显示环境检测区域内的环境情况。

进一步的，所述数据分析模块包括：以循环神经网络为基础的大数据共享分析模型，所述大数据共享分析模型将获得的环境检测数据作为神经网络输入，将预测结果作为输出，构建循环神经网络预测模型，所述循环神经网络包括输入层、隐含层和输出层。

循环神经网络预测模型构建具体为：给定嵌入式向量时间序列，下标表示嵌入式向量的时间顺序，输入向量与上一次的隐藏层向量联合得到当前的隐藏层向量，其计算公式如下：

网络的输出层采用线性结构，计算公式如下：

式中：为激活函数，本文采用logistic回归函数，即：

式中：向量u，v和矩阵w为网络中要学习的参数。

进一步的，所述循环神经网络模型包括：1）指标数据预处理：对不同类型的环境检测数据，通过物理意义、量纲和数量级的不同进行分级，并对原始数据进行归一化处理；2）指标数据输入：将预处理后的数据作为神经网络的输入；3）制定训练样本：以当前采集时间段的数据作为一个周期，作为神经网络的训练样本，以便对下一周期的空气质量指数进行预测检验；4）进行网络训练：采用单隐层或多隐层的神经网络进行空气质量指数预测，设定期望值，并将预测结果的空气质量指数作为输出值进行输出；5）预测结果分析：通过神经网络预测下一周期空气质量，并制作预测曲线值与实际值进行重合度比对，得出预测精确度。

进一步的，所述数据进行解密的方式为：解析所述加密数据包以得到第一数据；对所述第一数据进行解密以得到第二数据；对所述第二数据进行重新组包以得到目标数据包。

进一步的，所述数据采集模块包括：pm粉尘浓度传感器、危险气体检传感器、温湿度传感器、气压传感器、pm粉尘浓度传感器。

进一步的，所述电源模块包括有锂电蓄电池、dc/ac逆变器、太阳能电池板和保护元件。

进一步的，所述传输模块包括近程计量终端网络与远程无线网络，所述近程计量终端网络采用电力载波传输或wifi传输，所述远程无线网络采用长距离点对点式传输。

进一步的，所述数据检测终端电性连接有视频采集器，视频采集器还电性连接有摄像头，若是该区域的环境恶劣，管理人员能够通过操作模块远程控制微处理器，然后微处理器控制摄像头对该区域进行视频录制，完成后，再次远程传输至中央处理器内，以供管理人员观看，从而做出相应的处理。

进一步的，所述智能终端内设数据报表显示模块、运行监控数据显示模块、巡检内容记录模块、巡检打卡模块、警报模块。

本发明优点在于：本发明提供的基于大数据的环境检测系统，能够对环境数据进行实时检测，对检测到的环境数据进行处理和分析，并预测未来环境指数。该系统对获取到的环境数据进行清洗，去除掉一些异常数据，提高了预测准确性。该系统具有信息加密和解密模块，还能够对数据进行加密、防止数据被攻击、篡改及盗取，提高了系统的整体安全性。

附图说明

以下结合附图对本发明的技术方案进行详细的说明，以使本发明的特性和优点更为明显。

图1：本发明的大数据环境检测系统的示意图；

图2：本发明的神经网络的示意图；

图3：本发明的电源模块的示意图；

图4：本发明的循环神经网络时间线展开图。

具体实施方式

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，所描述的实施例是本发明部分实施例，并非全部的实施例。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。

图1为本发明提出的一种大数据的环境检测系统示意图，如图1所示，该系统包括：数据检测终端、第一传输模块、云计算服务器、第二传输模块和智能终端。数据检测终端包括电源模块、数据采集模块，数据采集模块通过传感器实时获取当前环境的环境检测数据；传输模块，将数据检测终端获取到的环境检测数据进行加密，该加密数据被发送给云计算服务器。

云计算服务器：包括数据解密模块、数据预处理单元、数据存储模块、数据安全模块、数据分析模块和数据处理模块，其中，数据解密模块对经传输模块发送的加密数据进行解密，并发送给数据预处理单元；数据预处理单元对接收到的当前环境检测数据进行清洗，剔除无效数据，并将清洗后的数据转换成统一格式；数据存储模块存储历史环境检测数据和数据预处理单元发送的数据；数据安全模块包括防火墙及网络安全设备，用于维护数据存储模块中的数据安全，并防止对数据的篡改及盗取；数据分析模块对据收集到的数据进行分析，形成数据统计分析结果，并采用神经网络对环境进行预测；数据处理模块，根据所述数据统计分析结果生成指示信息；智能终端：通过传输模块连接至云计算服务器，用于显示环境检测区域内的环境情况。

数据检测终端实时捕获检测区域的环境数据，并通过传输模块发送至云计算服务器，云计算服务器通过分析、处理形成数据统计分析结果和指标信息，智能终端通过第二传输模块来访问云计算服务器中的数据信息。

如图2所示，所述数据分析模块是以循环神经网络为基础来实现的，循环神经网络(rnn)是一类可用于无监督(和有监督)学习的深度网络，深度甚至可以达到和输入序列的长度一致，在无监督学习模式下，rnn被用来根据先前的数据样本预测未来的数据序列，并且学习过程中没有用到类别信息，因此rnn非常适合序列数据建模。

如图2所示，本方案所用的循环神经网络分为输入层、隐含层和输出层，隐含层之间的节点不再是无连接而是有连接的，并且隐含层的输入不仅包括输入层的输出还包括上一时刻隐含层的输出。图2所示的循环神经网络结构展开后，如图3所示，将获得的环境检测数据作为神经网络输入，标记为。将下一周期的环境数据作为神经网络输出，标记为。将rnn的隐藏单元标记为。

结合图3可知，以t时刻为例，纵向上，有一条单向流动的信息流是从输入单元到达隐藏单元的，将环境检测数据xt输入到神经网络中；横向上，隐藏层的输入还包括前一时刻的隐藏层输出st-1，即st是结合当前的观测数据xt以及前一时刻的隐藏单元输出st-1计算得到的；另一条纵向单向流动的信息流从隐藏单元到达输出单元，即可以从隐藏单元st计算得到网络的输出ot，因此t时刻的输出是由当前的输入和前一时刻的状态共同决定的。同理，该时刻的隐藏单元输出st同样会传递到下一时刻，与xt+1共同决定st+1。

循环神经网络预测模型构建具体为：给定嵌入式向量时间序列，下标表示嵌入式向量的时间顺序，输入向量与上一次的隐藏层向量联合得到当前的隐藏层向量，其计算公式如下：

网络的输出层采用线性结构，计算公式如下：

式中：为激活函数，本文采用logistic回归函数，即：

式中：向量u，v和矩阵w为网络中要学习的参数。

进一步的，所述数据分析模块步骤流程包括：1）指标数据输入：以环境检测数据进行神经网络的输入指标；2）指标数据处理：对不同类型的输入指标，通过物理意义、量纲和数量级的不同进行分级，并对原始数据进行归一化处理；3）制定训练样本：以当前采集时间段的数据作为一个周期，作为神经网络的训练样本，以便对下一周期的空气质量指数进行预测检验；4）进行网络训练：采用单隐层或多隐层的神经网络进行空气质量指数预测，设定期望值，并将预测周期的空气质量指数作为输出值进行输出；5）预测结果分析：通过神经网络预测下一周期空气质量，并制作预测曲线值与实际值进行重合度比对，得出预测精确度。

研究表示，粉尘、工业废气和汽车尾气的排放对大气造成了严重的污染。由此判断出预测值的关联因素so2、no2、pm2.5、pm10，空气质量指数等。但是对于一个神经网络而言，并不是输入指标越多越好，多了反而会使模型更容易产生过拟合或者使训练时间过于漫长。综合考虑各方面的因素，本方案选择的输入指标为历史pm2.5，空气质量指数及管控企业电量，输出是预测日的空气质量指数。

所述数据采集模块包括：pm粉尘浓度传感器、危险气体检传感器、温湿度传感器、气压传感器、pm粉尘浓度传感器。

如图4所示，所述电源模块包括有锂电蓄电池、dc/ac逆变器、太阳能电池板和保护元件。

所述传输模块包括近程计量终端网络与远程无线网络，所述近程计量终端网络采用电力载波传输或wifi传输，所述远程无线网络采用长距离点对点式传输。

为了保证数据检测终端获取到的数据的安全性，可对捕获的数据进行加密，数据解密模块解析所述加密数据包以得到第一数据；对所述第一数据进行加密或解密以得到第二数据；对所述第二数据进行重新组包以得到目标数据包。

所述数据检测终端还电性连接有视频采集器，视频采集器还电性连接有摄像头，若是该区域的环境恶劣，管理人员能够通过操作模块远程控制微处理器，然后微处理器控制摄像头对该区域进行视频录制，完成后，再次远程传输至中央处理器内，以供管理人员观看，从而做出相应的处理。

所述智能终端内设数据报表显示模块、运行监控数据显示模块、巡检内容记录模块、巡检打卡模块、警报模块。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。