本發(fā)明屬于環(huán)境監(jiān)測，更具體地，涉及一種空氣質量微型監(jiān)測站的自校準方法、空氣質量微型監(jiān)測站、環(huán)境監(jiān)測設備、計算機可讀存儲介質。

背景技術：

1、隨著信息技術的不斷發(fā)展，電子信息技術在環(huán)境檢測領域得到大面積的應用。其中，空氣質量微型監(jiān)測站是一種小型化、低成本的監(jiān)測設備，它被設計用于在城市環(huán)境、工業(yè)區(qū)、學校、住宅區(qū)等地點進行實時空氣質量監(jiān)測。這些監(jiān)測站通常包括多種傳感器，能夠檢測空氣中的顆粒物(如pm2.5和pm10)、氣體污染物(如nox、so2、co、o3)以及其他環(huán)境參數(shù)(如溫度、濕度、氣壓)。

2、相關技術中，在空氣質量微型監(jiān)測站運行一段時間后，會存在檢測不準確的問題，一般是工作人員手動對空氣質量微型監(jiān)測站進行檢測數(shù)據(jù)校準操作，實現(xiàn)空氣質量微型監(jiān)測站的校準。但是，手動進行校準會存在浪費人工成本，校準的效率不高的問題。

3、因此，如何提高空氣質量微型監(jiān)測站的校準效率是本領域技術人員關注的重點問題。

技術實現(xiàn)思路

1、本申請的目的是提供一種空氣質量微型監(jiān)測站的自校準方法、空氣質量微型監(jiān)測站、環(huán)境監(jiān)測設備、計算機可讀存儲介質，以實現(xiàn)一種監(jiān)測站的自動化校準，避免操作人員去現(xiàn)場進行校準，提高了監(jiān)測站的校準效率。也避免了主觀因素導致的校準錯誤，提高了校準的準確性。

2、針對現(xiàn)有技術的以上缺陷或改進需求，本發(fā)明提供一種空氣質量微型監(jiān)測站的自校準方法，應用于空氣質量微型監(jiān)測站，包括：

3、所述空氣質量微型監(jiān)測站基于歷史環(huán)境參數(shù)和傳感器使用情況數(shù)據(jù)對獲取到的歷史數(shù)據(jù)進行數(shù)據(jù)清洗，得到正常運行數(shù)據(jù)和偏差運行數(shù)據(jù)；

4、基于所述正常運行數(shù)據(jù)和所述偏差運行數(shù)據(jù)進行分類模型訓練，得到分類檢測模型；

5、基于獲取當前監(jiān)測數(shù)據(jù)的時間點和所述分類檢測模型對所述當前監(jiān)測數(shù)據(jù)進行分類檢測處理，得到傳感器分類結果；

6、當所述傳感器分類結果為偏差運行數(shù)據(jù)時，則基于當前環(huán)境參數(shù)和傳感器老化情況數(shù)據(jù)進行參數(shù)校準處理；其中，所述當前環(huán)境參數(shù)包括溫度、濕度、氣壓；

7、當校準完成時，重新采集監(jiān)測數(shù)據(jù)。

8、可選的，基于當前環(huán)境參數(shù)和傳感器老化情況數(shù)據(jù)進行參數(shù)校準處理，包括：

9、所述空氣質量微型監(jiān)測站在無污染環(huán)境中進行監(jiān)測，得到對應的零點響應數(shù)據(jù)；

10、計算所述零點響應數(shù)據(jù)與零點標準數(shù)據(jù)之間的偏差數(shù)據(jù)；

11、基于補償算法、所述當前環(huán)境參數(shù)、所述傳感器老化情況數(shù)據(jù)、所述偏差數(shù)據(jù)對傳感器進行參數(shù)校準處理；其中，所述補償算法包括溫度補償算法和傳感器老化補償算法。

12、可選的，基于當前環(huán)境參數(shù)和傳感器老化情況數(shù)據(jù)進行參數(shù)校準處理，包括：

13、所述空氣質量微型監(jiān)測站在已知濃度環(huán)境中進行監(jiān)測，得到傳感器的響應范圍和線性度；

14、當所述線性度小于預設線性度時，計算所述響應范圍與已知濃度數(shù)據(jù)之間的偏差范圍數(shù)據(jù)；

15、基于補償算法、所述當前環(huán)境參數(shù)、所述傳感器老化情況數(shù)據(jù)、所述偏差范圍數(shù)據(jù)對傳感器進行參數(shù)校準處理；其中，所述補償算法包括溫度補償算法和傳感器老化補償算法。

16、可選的，還包括：

17、按照預設周期，獲取環(huán)境變化數(shù)據(jù)；

18、計算傳感器老化情況數(shù)據(jù)；

19、基于所述環(huán)境變化數(shù)據(jù)和所述傳感器老化情況數(shù)據(jù)對所述傳感器的參數(shù)進行補償調整。

20、可選的，基于所述正常運行數(shù)據(jù)和所述偏差運行數(shù)據(jù)進行分類模型訓練，得到分類檢測模型，包括：

21、基于所述正常運行數(shù)據(jù)和所述偏差運行數(shù)據(jù)對初始線性回歸模型進行模型訓練，得到所述分類檢測模型。

22、可選的，基于所述正常運行數(shù)據(jù)和所述偏差運行數(shù)據(jù)進行分類模型訓練，得到分類檢測模型，包括：

23、基于所述正常運行數(shù)據(jù)和所述偏差運行數(shù)據(jù)對初始多項式回歸模型進行模型訓練，得到所述分類檢測模型。

24、可選的，基于所述正常運行數(shù)據(jù)和所述偏差運行數(shù)據(jù)進行分類模型訓練，得到分類檢測模型，包括：

25、基于所述正常運行數(shù)據(jù)和所述偏差運行數(shù)據(jù)對初始決策樹模型進行模型訓練，得到所述分類檢測模型。

26、本申請還提供一種空氣質量微型監(jiān)測站，包括：

27、數(shù)據(jù)清洗模塊，用于基于歷史環(huán)境參數(shù)和傳感器使用情況數(shù)據(jù)對獲取到的歷史數(shù)據(jù)進行數(shù)據(jù)清洗，得到正常運行數(shù)據(jù)和偏差運行數(shù)據(jù)；

28、模型訓練模塊，用于基于所述正常運行數(shù)據(jù)和所述偏差運行數(shù)據(jù)進行分類模型訓練，得到分類檢測模型；

29、分類檢測模塊，用于基于獲取當前監(jiān)測數(shù)據(jù)的時間點和所述分類檢測模型對所述當前監(jiān)測數(shù)據(jù)進行分類檢測處理，得到傳感器分類結果；

30、參數(shù)校準模塊，用于當所述傳感器分類結果為偏差運行數(shù)據(jù)時，則基于當前環(huán)境參數(shù)和傳感器老化情況數(shù)據(jù)進行參數(shù)校準處理；其中，所述當前環(huán)境參數(shù)包括溫度、濕度、氣壓；

31、數(shù)據(jù)采集模塊，用于當校準完成時，重新采集監(jiān)測數(shù)據(jù)。

32、本申請還提供一種環(huán)境監(jiān)測設備，包括：

33、存儲器，用于存儲計算機程序；

34、處理器，用于執(zhí)行所述計算機程序時實現(xiàn)如上所述的自校準方法的步驟。

35、本申請還提供一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上所述的自校準方法的步驟。

36、本申請所提供的一種空氣質量微型監(jiān)測站的自校準方法，應用于空氣質量微型監(jiān)測站，包括：所述空氣質量微型監(jiān)測站基于歷史環(huán)境參數(shù)和傳感器使用情況數(shù)據(jù)對獲取到的歷史數(shù)據(jù)進行數(shù)據(jù)清洗，得到正常運行數(shù)據(jù)和偏差運行數(shù)據(jù)；基于所述正常運行數(shù)據(jù)和所述偏差運行數(shù)據(jù)進行分類模型訓練，得到分類檢測模型；基于獲取當前監(jiān)測數(shù)據(jù)的時間點和所述分類檢測模型對所述當前監(jiān)測數(shù)據(jù)進行分類檢測處理，得到傳感器分類結果；當所述傳感器分類結果為偏差運行數(shù)據(jù)時，則基于當前環(huán)境參數(shù)和傳感器老化情況數(shù)據(jù)進行參數(shù)校準處理；其中，所述當前環(huán)境參數(shù)包括溫度、濕度、氣壓；當校準完成時，重新采集監(jiān)測數(shù)據(jù)。

37、具有以下有益效果：

38、提高檢測站校準的效率：避免操作人員手動進行校準，提高了校準的效率。

39、提高監(jiān)測站的可靠性：通過自校準方法，監(jiān)測站能夠及時識別并校準偏差數(shù)據(jù)，從而提高空氣質量監(jiān)測數(shù)據(jù)的準確性。

40、增強系統(tǒng)穩(wěn)定性：定期的自動校準和參數(shù)調整有助于維持監(jiān)測站的長期穩(wěn)定性，減少因傳感器老化或環(huán)境變化導致的性能下降。

41、延長傳感器使用壽命：通過補償算法對傳感器進行老化補償，可以延長傳感器的使用壽命，減少更換頻率，降低維護成本。

42、提升監(jiān)測站自適應能力：監(jiān)測站能夠根據(jù)當前環(huán)境參數(shù)和傳感器老化情況自動調整參數(shù)，增強了對環(huán)境變化的自適應能力。

技術特征：

1.一種空氣質量微型監(jiān)測站的自校準方法，應用于空氣質量微型監(jiān)測站，其特征在于，包括：

2.根據(jù)權利要求1所述的自校準方法，其特征在于，基于當前環(huán)境參數(shù)和傳感器老化情況數(shù)據(jù)進行參數(shù)校準處理，包括：

3.根據(jù)權利要求1所述的自校準方法，其特征在于，基于當前環(huán)境參數(shù)和傳感器老化情況數(shù)據(jù)進行參數(shù)校準處理，包括：

4.根據(jù)權利要求1至3任一項所述的自校準方法，其特征在于，還包括：

5.根據(jù)權利要求4所述的自校準方法，其特征在于，基于所述正常運行數(shù)據(jù)和所述偏差運行數(shù)據(jù)進行分類模型訓練，得到分類檢測模型，包括：

6.根據(jù)權利要求4所述的自校準方法，其特征在于，基于所述正常運行數(shù)據(jù)和所述偏差運行數(shù)據(jù)進行分類模型訓練，得到分類檢測模型，包括：

7.根據(jù)權利要求4所述的自校準方法，其特征在于，基于所述正常運行數(shù)據(jù)和所述偏差運行數(shù)據(jù)進行分類模型訓練，得到分類檢測模型，包括：

8.一種空氣質量微型監(jiān)測站，其特征在于，包括：

9.一種環(huán)境監(jiān)測設備，其特征在于，包括：

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1至7任一項所述的自校準方法的步驟。

技術總結
本發(fā)明公開了一種空氣質量微型監(jiān)測站的自校準方法、空氣質量微型監(jiān)測站、環(huán)境監(jiān)測設備、計算機可讀存儲介質，該方法包括：空氣質量微型監(jiān)測站基于歷史環(huán)境參數(shù)和傳感器使用情況數(shù)據(jù)對獲取到的歷史數(shù)據(jù)進行數(shù)據(jù)清洗，得到正常運行數(shù)據(jù)和偏差運行數(shù)據(jù)；基于正常運行數(shù)據(jù)和偏差運行數(shù)據(jù)進行分類模型訓練，得到分類檢測模型；基于獲取當前監(jiān)測數(shù)據(jù)的時間點和分類檢測模型對當前監(jiān)測數(shù)據(jù)進行分類檢測處理，得到傳感器分類結果；當傳感器分類結果為偏差運行數(shù)據(jù)時，則基于當前環(huán)境參數(shù)和傳感器老化情況數(shù)據(jù)進行參數(shù)校準處理；當校準完成時，重新采集監(jiān)測數(shù)據(jù)。以實現(xiàn)一種監(jiān)測站的自動化校準，避免操作人員去現(xiàn)場進行校準，提高了監(jiān)測站的校準效率。

技術研發(fā)人員：祁玉剛,胡新峰,康文卉,王生紅,李成云,史炳劍,田亞寧
受保護的技術使用者：西寧市環(huán)境信息中心
技術研發(fā)日：
技術公布日：2024/12/23