基于注意力机制的城市多元空气质量数据缺失值填充

空气污染严重影响着人类的身体健康与社会的可持续发展，但传感器获取的多元变量空气质量数据往往存在缺失值，这为数据的分析与处理带来了困扰。目前，许多对某一种空气成分变化的分析方法只依赖于此属性的时间数据与空间数据，忽略了在相同时间区间内其他空气成分对此属性变化趋势的影响，且在离散型缺失数据的填充上难以达到理想的效果。提出了一种时间注意力深度学习模型(TAM)。该模型使用注意力机制来关注不同时间戳之间的相关性与不同特征时间序列之间的相关性，并结合短期历史数据来填充多元变量空气质量数据中的缺失读数。使用北京市的空气质量数据对所提出的模型进行评估，实验结果表明，相比较于其他10种基线模型，TAM具有一定优势。     

上海市空气质量数据管理和查询系统的构建

结合空气质量日报业务系统,设计和开发出空气质量数据管理信息系统和数据查询系统.该系统已应用于上海市大气环境自动监测数据和空气质量日报数据的管理.系统结合了网络技术、数据库技术、GIS技术和动态Web技术,采用了目前流行的n-层体系结构,具有开放性、可扩展性、安全性、技术先进、维护简便等特点.     

基于LabVIEW的空气质量监测系统设计

随着我国工业化的全面发展和社会的进步,国家提出能源可持续发展、节能减排等政策。针对空气质量监测局限性等问题,提出基于LabVIEW的空气质量监测系统的设计。系统以STC89C52单片机为控制核心,可通过温度、颗粒物等传感器组,实时监测设定范围内空气中PM2.5及其前体物的含量;通过聚类分析等算法对空气质量影响因素进行评估,若超出评估质量阈值则发出报警信号;通过串口连接数据传输和LabVIEW软件,完成上位机监测界面的数据图表化显示。调试结果表明,系统可实时监测环境中的空气指标信息,并将其上传至上位机显示并进行评估,以达到监测空气质量的目的。该系统设计对空气污染防治规划具有一定的参考价值。     

空气质量细粒度数据内联关系可视分析系统

随着数据观测和数字计算技术的快速发展,空气质量数据粒度越来越细致,为研究空气质量的细粒度数据内联关系可视化、辅助理解空气污染物的转化规律提供了数据基础.针对蕴含丰富内联特征的大气质量细粒度数据开发了一个内联关系可视分析系统.首先,基于大气质量数据多维属性设计时空数据维度模型增强数据的时空表达,并提出一种基于深度学习的特征提取方法,将空气质量数据从高维空间映射到支持交互可视分析的低维特征空间;然后,设计了一套多视图联动的可视化系统,帮助用户发现空气污染传输中的细粒度内联关系,理解污染传输途径的数据分布特征.用户实例和用户评价结果表明,该系统是有效的.     

远程空气质量监测系统设计

为满足对城市空气质量的实时监测,设计了基于GPRS通信的远程空气质量监测系统.系统终端节点利用电化学空气传感器和MSP430F149单片机分别完成对气体浓度的检测和数据处理,然后将数据经GPRS通信模块送至中心服务器.中心服务器建立了数据库存储数据,并配置了专用软件完成查询、统计和绘图等操作.系统采用模块化设计,使用方便灵活.     

Kotlin在图书馆馆内空气质量检测Android系统网络通信的应用

在后疫情时代图书馆馆内空气质量的好坏直接影响读者的身心健康,图书馆有必要建立对图书馆馆内空气质量进行检测和预警,主要阐述了Kotlin技术及开发环境IDEA,Kotlin在图书馆馆内空气质量检测系统中Android客户端和服务器端采用Socket方式进行网络通信,系统实现了对空气多项指标数据(如SO2、NO2、CO等)的服务器、数据库的存储和Android客户端能展示空气质量数据,可以为读者提供一个实时空气质量数据,同时能为图书馆馆内空气质量干预和治理提供了必要条件.     

基于Android的城市空气质量查询系统的设计与实现

为了方便公众第一时间了解和掌握空气质量状况及变化情况,设计并实现了基于Android平台的城市空气质量查询系统。该系统通过HTML解析,获取了来自中国环境监测总站发布的114个监测城市的实时数据。系统使用Android最新ActionBar样式的导航界面以及直观的仪表界面,实现了各城市空气质量指数查询、空气质量排名查询、各监测点数据查询、一周数据查询等功能。经试用,该系统在Android手机上运行良好。     

基于GPRS/SMS空气污染远程监控系统的设计与实现

为了实现空气质量指数的智能监测和管理,设计并实现了一种基于SnO₂人工嗅觉探测的空气质量指数监测系统,系统通过空气质量指数现场网络监测节点采集、处理以及传递空气质量指数数据,采用ARM S3CA510B进行DTU数据传递,实现空气质量指数数据CO、SO₂等的高效率、大批量的传递;使用汇聚节点模块通过GPRS网络将数据传递到监管终端,监管终端将管理命令通过GPRS网络反馈到汇聚监测节点,实现空气质量指数数据的远程监测;采用监测管理终端为管理人员提供不同的监测处理、控制处理以及空气质量指数监测相关数据检索和汇总分析等人机界面;对系统空气质量指数信息流的传递流程图进行了设计,给出了系统数据通过串口进行通信的代码以及系统监管终端使用套接字实现网络通信的核心源码;实验结果说明,与传统系统相比,所提系统可实时监测出空气中CO、SO₂等污染气体的浓度,具有很高的实用性及有效性。     

基于数据挖掘的空气质量预测模型研究

在日益积累的空气质量大数据背景下,面对复杂多变的空气质量状况,文章从数据挖掘技术在空气质量时序数据上的应用角度出发.在时序样本数据清洗后,采用传统自回归移动平均模型对空气质量数据进行研究,分析数据的平稳性、季节性,差分平稳化数据,通过推导求证建立模型进行拟合预测.随后,在时序研究的基础上构建了基于门控循环网络的空气质量预测模型.并通过实验证明了基于循环神经网络的模型较传统模型在预测精度上的提升,在预测步长上也有很大的优势,并具有很好的实际应用价值.     

基于单片机+物联网控制的校园空气净化计划系统设计

近年来,包含现代物联网技术概念的新型空气质量净化器技术原型在国内市场上已经具有一定雏形,主要还是存在以下几个不足:室内空气中的流动量和速度基本是固定的,不管室内空气系统中的任何污染物和室内空气质量如何,空气质量净化器按照所设定的作业负荷进行运转,这种正常作业运动模式不合理且容易浪费大量能源;接触式手动操作以有效调控其正常作业状态;新型空气质量净化器的空气干预系统可以显著有效减少室内空气pm2.5水平,被业内人们一致普遍认同.因此,开发一种基于现代物联网信息技术,集新型空气质量净化器和新型空气质量数据检测于三身一体的现代互联网十字式空气质量净化器管理系统检测软件平台是非常必要的.基于现代物联网信息技术的新型空气质量净化器,结合室内pm2.5检测,由单纯的一个空气质量净化器系统变为一个融合现有空气质量净化器、空气质量数据检测服务节点和互联网络数据接入检测节点的一个综合体.     

多举措保障丹江口库区水质自动监测数据真、准、全

为确保丹江口库区水质自动监测站数据的真、准、全,在数据采集及传输方面,规范采样要求及数据传输标准,完善关键参数及流程日志信息的上传;在人员管理方面,数据审核员须通过主管部门组织的技术培训和考核,具备数据综合分析、质量管理等相关能力;在数据审核流程方面,对监测数据进行严格的审核流程设计,水站监测数据实施平台在线审核,审核全过程各环节均记录留痕;在质控管理方面,水站构建贯穿水站运行全过程的多级质控措施（包括日质控、周质控、月质控、盲样考核）和多维度质控体系;在数据连续性方面,根据不同停运条件,及时完成手工补测工作;同时,参照全国已建立的监测技术指标体系,为保障监测数据的真实准确提供技术依据。通过以上相关措施,能够确保自动监测数据真实、准确、完整。     

基于KNN-LSTM的PM2.5浓度预测模型

目前多数PM_2.5浓度预测模型仅利用单个站点的时间序列数据进行浓度预测, 并没有考虑到空气质量监测站之间的区域关联性, 这会导致预测存在一定的片面性. 本文利用KNN算法选择目标站点所在区域中与其相关的空间因素, 并结合LSTM模型, 提出基于时空特征的KNN-LSTM的PM_2.5浓度预测模型. 以哈尔滨市10个空气质量监测站的污染物数据进行仿真实验, 并将KNN-LSTM模型与其他预测模型进行对比, 结果显示: 模型相较于BP神经网络模型平均绝对误差(MAE)、均方根误差(RMSE)分别降低了19.25%、13.23%; 相较于LSTM模型MAE、RMSE分别降低了4.29%、6.99%. 表明本文所提KNN-LSTM模型能有效提高LSTM模型的预测精度.     

电力调度大数据应用平台系统技术研究

为解决智能电网的发展中电网运行和设备检测或监测数据、电力企业管理数据、电力企业营销等数据海量的增加带来的不同业务系统之间分散地开发、运行和管理,系统数据存储结构独立,带来数据多源、格式不一致,数据准确性、实时性不强,数据质量不高,缺乏统一的数据规范等问题,本文利用Hadoop的分布式文件系统HDFS和并行处理框架MapReduce的工作原理,搭建电网调度大数据应用平台系统,解决了不同业务系统之间的数据不能及时共享、访问、管理与分析挖掘等问题。采用数据清洗数据,解决数据质量不高的问题。搭建电网调度大数据应用平台系统,既能实现跨专业、跨部门的多维度关联分析,又能满足海量的智能电网数据存储和数据处理需求,并具有强大的伸缩性,可扩展为电网实现安全、可靠、经济、高效地运行提供保障。     

基于业务流程的Web应用监控系统研究

在分析并研究网络应用监控系统、流程控制系统现状和发展趋势的基础上,提出一种基于业务流程的Web应用监控系统。该系统使用流程录制技术实现自定义监控业务流程,利用Web数据挖掘完成业务流程识别及流程获取,通过分离数据采集和监控服务,降低对监控对象的影响。实际监控结果证明,该系统不仅可以完成传统监控系统的工作,还可以从这些监控数据中挖掘出用户所需的业务流程信息,为软件系统优化、质量改进以及系统重构提供准确和有效的依据。     

European operational air quality forecasting system by using MM5–CMAQ–EMIMO tool

Three Dimensional air quality modelling systems have experienced a considerable advance during the last decade. Sophisticated numerical methods have been developed also to gather most of the computer capabilities which have also experimented important advances. Parallel computing is also an option which is considered more and more important nowadays due to the relative slow process on single computer processors during last years. In this contribution we have implemented an air quality real-time operational forecasting system which covers all Europe by using the MM5–CMAQ–EMIMO air quality modelling system. This system is a step forward from the already developed system which covered the Iberian Peninsula in 2002. The CMAQ 4.5 version (September, 2005) has been incorporated to the application. MM5 and CMAQ models are, respectively the meteorological mesoscale and the dispersion drivers. The EMIMO model has been progressively updated by using the new Corine Land Cover for Europe (EEA) with 100 m spatial resolution. We have developed a GIS oriented internet interface which allows the user to access immediately to pollution time series and hourly maps for the next 48–72 h forecast for criteria pollutants (those limited by the corresponding EU Directives). The visual information is adapted to the specific legislation for each pollutant so that the information is related to the possible exceedances of the different concentrations averaged over different periods of time. The system is expected to be used as an operation tool to provide boundary and initial conditions for actual and future national, regional and city air quality forecasting systems.     

基于人工神经网络的大气质量智能评价预警系统的设计与应用

基于人工智能的神经网络技术,建立大气质量智能评价预警系统。该系统可以实现对大气污染物数据的自动分析及对大气质量的智能评价。通过局部大气的污染程度和运动趋势预测综合大气质量并实现预警。该系统能够为环境管理决策提供及时、准确、全面的环境质量信息,同时也可以帮助相关部门和企业对未来发展做出正确的决策。     

HISYCOL a hybrid computational intelligence system for combined machine learning: the case of air pollution modeling in Athens

The analysis of air quality and the continuous monitoring of air pollution levels are important subjects of the environmental science and research. This problem actually has real impact in the human health and quality of life. The determination of the conditions which favor high concentration of pollutants and most of all the timely forecast of such cases is really crucial, as it facilitates the imposition of specific protection and prevention actions by civil protection. This research paper discusses an innovative threefold intelligent hybrid system of combined machine learning algorithms HISYCOL (henceforth). First, it deals with the correlation of the conditions under which high pollutants concentrations emerge. On the other hand, it proposes and presents an ensemble system using combination of machine learning algorithms capable of forecasting the values of air pollutants. What is really important and gives this modeling effort a hybrid nature is the fact that it uses clustered datasets. Moreover, this approach improves the accuracy of existing forecasting models by using unsupervised machine learning to cluster the data vectors and trace hidden knowledge. Finally, it employs a Mamdani fuzzy inference system for each air pollutant in order to forecast even more effectively its concentrations.     

基于运行数据分析的Spark任务参数优化

运行数据是大数据系统中增长最快、最为复杂也是最有价值的数据资源之一。基于运行数据,软件开发者可以分析关于软件质量和开发模型的重要信息。Spark作为一个分布式系统,在运行过程中会产生大量的运行数据,包括日志数据、监控数据以及任务图数据。开发者可以基于运行数据对系统进行参数调优。然而该系统所涉及的参数种类繁多、影响多样且难以评估,若对系统了解不足,进行参数调优存在较大的困难。提出运行数据历史库的概念,历史库中存储的是以往运行任务的特征信息以及运行配置信息。同时提出了基于历史库搜索的参数优化模型,并实验验证了本文提出的参数优化模型对用户任务性能提升具有较好的效果。     

An Internet of Things Platform for Air Station Remote Sensing and Smart Monitoring

Air pollution is currently receiving more attention by international governments and organizations. Nevertheless, current systems for air quality monitoring lack essential requirements which are key in order to be effective concerning users’ access to the information and efficient regarding real-time monitoring and notification. This paper presents an Internet of Things platform for air station remote sensing and smart monitoring that combines Big Data and Cloud Computing paradigms to process and correlate air pollutant concentrations coming from multiple remote stations, as well as to trigger automatic and personalized alerts when a health risk for their particular context is detected. This platform has been tested by analyzing the results of observing Andalusian, South of Spain, sensor network during a long period of time. The results show that this novel solution can help to reduce the impact of air pollution on human health since citizens are alerted in real time.