[发明专利]一种智慧城市空气品质高精度测量方法

权利要求书

1.一种智慧城市空气品质高精度测量方法，其特征在于，包括以下步骤：

1)在区域内建立全覆盖的网状监测站点组，在每个监测点布置一组空气质量传感器，检测多种空气质量指标，且该区域内的每一个监测点都有3个相邻的监测点；

2)将各监测点将采集的空气质量数据实时传输给Hadoop大数据云端存储平台；

3)按照HDFS分布式文件管理框架将传输来的空气质量大数据进行写入，所述HDFS分布式文件管理框架按照地点-指标-时间三个维度来建立检索标签；

4)当各监测点的各指标空气质量数据量达到5000，且在监测点计算其未来空气质量数据时，从Hadoop大数据存储平台中获取模型训练所需要的数据，获取的数据包括：该监测点各个空气质量指标的历史5000个数据点，共6*5000个数据点；

5)基于Spark分布式计算平台，建立一种空气质量多指标输入集成模型，对监测点未来的空气质量数据进行预测，集成模型中包括6个子预测器，分别以对应6个空气质量指标作为输入，未来的某种空气质量作为输出，模型中子预测器的训练和预测过程在Spark平台中进行并行计算，适用于空气质量的大数据环境，使用灰狼优化算法优化集成模型中所有子预测器的权重；

6)将6组输出结果按照优化后的权重加权，得到该监测点未来30分种该种空气质量变化；

7)对于区域内任意选取的无传感器地点，使用其周边的相邻监测点预测数据进行计算，即通过以下公式计算无传感器地点的未来空气品质y，其中，为该无传感器地点各相邻监测点的未来该种空气质量变化值，l_i为第i个相邻监测点与所述随机选取的监测点的距离，为所有相邻监测点到该无传感器地点距离之和，P为3或4。

2.根据权利要求1所述的智慧城市空气品质高精度测量方法，其特征在于，步骤4)之后，还包括：

当预测未来30分钟AQI指数均小于或等于100时，则不采取处理措施，继续空气质量监控及预测；当未来30分钟AQI指数大于100但均小于或等于200时，采取一级应急措施：提交记录、向管理人员发出警报、向所述随机选取的无传感器地点所在的三角区域发布预警信息；当未来30分钟AQI指数大于200时，采取二级应急措施：提交记录、向管理人员发出警报、向该三角区域发布预警信息、通过互联网发布信息。

3.根据权利要求1所述的智慧城市空气品质高精度测量方法，其特征在于，步骤6)之后，还包括：持续对空气质量进行检测并上传，实时更新全部空气质量数据，所有监测点的Spark分布式预测模型则根据更新后的数据持续进行预测。

4.根据权利要求1所述的智慧城市空气品质高精度测量方法，其特征在于，所述区域内的监测点均匀间隔布置，相邻监测点的距离为1KM。

5.根据权利要求1～4之一所述的智慧城市空气品质高精度测量方法，其特征在于，每个所述监测点上均安装有颗粒物浓度检测传感器和气体成分浓度分析传感器。

6.根据权利要求1所述的智慧城市空气品质高精度测量方法，其特征在于，所述空气质量数据包括：PM2.5浓度、PM10浓度、SO2浓度、NO2浓度、O3浓度及CO浓度。

7.根据权利要求1所述的智慧城市空气品质高精度测量方法，其特征在于，任一个子预测器的具体训练过程包括：

a)将一组训练集内的数据经过EWT信号分解，得到多个子序列；

b)对每个子序列使用LSTM训练和预测，得到LSTM神经网络；

c)采用反向误差传播算法对LSTM网络进行多次迭代，完成对一个子序列的LSTM网络；

d)重复步骤b)和c)，得到n个LSTM神经网络，n为子序列的数目；

e)利用n个LSTM神经网络对子序列进行预测，得到每组子序列的预测结果，将所述预测结果进行重构后得到子预测器的预测结果。

8.根据权利要求7所述的智慧城市空气品质高精度测量方法，其特征在于，步骤e)之后，还包括：

使用灰狼优化算法优化每个预测器的权重，将M组输出结果按照优化后的权重加权，得到模型A的输出结果，即得到未来T分钟的空气质量变化值；其中M为训练集的组数。