一種環境監測方法及系統技術方案

本發明專利技術實施例提供一種環境監測方法及系統，該方法包括：獲取目標環境中傳感器采集當前時刻對應的實時數據和上一時刻對應的實時數據；并判斷當前時刻對應的實時數據是否異常；若判斷獲知當前時刻對應的實時數據異常，將每一歷史時刻對應的實時數據輸入至監測模型，獲取當前時刻對應的預測數據；根據當前時刻對應的預測數據，對目標環境進行監測。本發明專利技術實施例提供一種環境監測方法及系統，該方法能夠在硬件環境傳感器數據出現異常數據時，進行快速的錯誤數據判斷和有效的數據糾錯處理，提高傳感器采集數據精度，保障數據的有效性和連續性，滿足農業生產的需求。

【技術實現步驟摘要】
一種環境監測方法及系統
本專利技術涉及農業
，尤其涉及一種環境監測方法及系統。
技術介紹
智慧果園是我國果樹種植業的主要發展方向，是農業現代化的必由之路，而生長環境傳感器又是智慧農業的關鍵技術之一。當前在果園生產種植中使用最廣泛的一類是無線環境采集傳感器，主要用于實時采集果樹生長環境中的空氣溫濕度、土壤溫濕度、光照、風速風向等環境參數，一般采用在果園內選擇固定區域單點部署，由于大部分部署在野外，采用太陽能供電，傳感器主要利用探針和檢測電路對環境數據進行采集，經過傳感器集成芯片進行數據轉換和編碼，然后通過無線傳輸設備直接傳輸到數據中心。這種傳感器具有簡便安全、測量精度高、快速準確、定點連續、自動化、數據傳輸率高等優點，因此在智慧果園種植、自動控制、自動灌溉中應用最為廣泛。現有技術中提出的結合卷積碼技術和交織技術對無線傳感器網絡數據進行糾錯的方法，需要在傳感器節點上實現卷積交織及卷積編碼糾錯功能相類似，該方法完全在硬件設備上實現，受傳感器所處環境影響比較大，適用范圍窄，不能實時保證數據采集數據的準確請。雖然現在傳感器技術已經日漸成熟，集成芯片也有固定的外殼保護裝置，但是由于采用太陽能供電，太陽能電池容量等因素，在遇到連續陰天無陽光環境下，設備供電不足，會導致設備出現數據不能連續上傳等問題；另外野外環境復雜，由于各種自然因素等原因，會造成傳感器數據偶爾失真，出現較大的偏差，會給如自動灌溉、自動控制等農業生產帶來很大的影響，嚴重的會造成數據誤判，給生產帶來損失。專利技術內容為了解決上述問題，本專利技術實施例提供一種環境監測方法及系統。第一方面，本專利技術實施例提供一種環境監測方法，包括：獲取目標環境中傳感器采集當前時刻對應的實時數據和上一時刻對應的實時數據；根據所述當前時刻對應的實時數據和所述上一時刻對應的實時數據，判斷所述當前時刻對應的實時數據是否異常；若判斷獲知所述當前時刻對應的實時數據異常，將每一歷史時刻對應的實時數據輸入至監測模型，獲取所述當前時刻對應的預測數據，所述監測模型以歷史樣本時刻對應的實時數據為樣本數據、以自相關函數和偏自相關函數為標簽進行訓練得到；根據所述當前時刻對應的預測數據，對所述目標環境進行監測。優選地，所述根據所述當前時刻對應的實時數據和所述上一時刻對應的實時數據，判斷所述當前時刻對應的實時數據是否異常，具體包括：根據所述當前時刻對應的實時數據和所述上一時刻對應的實時數據，通過類比法判斷所述當前時刻對應的實時數據是否異常。優選地，所述根據所述當前時刻對應的實時數據和所述上一時刻對應的實時數據，通過類比法判斷所述當前時刻對應的實時數據是否異常，具體包括：根據所述傳感器第一預設歷史時間段內的若干歷史數據，獲取所述第一預設歷史時間段內的平均值；根據所述平均值和預設季節偏移量，獲取基準區間值；若所述當前時刻對應的實時數據和所述上一時刻對應的實時數據之間的差值小于所述基準區間值，則判斷所述當前時刻對應的實時數據正常，否則，則判斷所述當前時刻對應的實時數據錯誤。優選地，所述監測模型通過如下方式獲得：獲取第二預設歷史時間段的若干歷史數據；若所述第二預設歷史時間段的若干歷史數據非平穩，通過一階差分法對所述第二預設歷史時間段進行平穩化處理，獲取平穩化后的若干歷史數據；利用平穩化后的若干歷史數據對ARMA初始模型進行訓練，獲取所述監測模型。優選地，所述利用平穩化后的若干歷史數據對ARMA初始模型進行訓練，獲取所述監測模型，具體包括：根據平穩化后的若干歷史數據的自相關函數和偏自相關函數，獲取所述ARMA初始模型的階數；根據所述ARMA初始模型和階數，獲取所述監測模型。優選地，還包括：利用第三預設歷史時間段的若干歷史數據對所述監測模型進行驗證。優選地，所述監測模型通過如下方式獲得：獲取第二預設歷史時間段的若干歷史數據；利用所述第二預設歷史時間段的若干歷史數據對ARMA初始模型進行訓練，獲取所述監測模型。第二方面，本專利技術實施例提供一種環境監測系統，包括：采集模塊，用于獲取目標環境中傳感器采集當前時刻對應的實時數據和上一時刻對應的實時數據；異常模塊，用于根據所述當前時刻對應的實時數據和所述上一時刻對應的實時數據，判斷所述當前時刻對應的實時數據是否異常；預測模塊，用于若判斷獲知所述當前時刻對應的實時數據異常，將每一歷史時刻對應的實時數據輸入至監測模型，獲取所述當前時刻對應的預測數據，所述監測模型以歷史樣本時刻對應的實時數據為樣本數據、以自相關函數和偏自相關函數為標簽進行訓練得到；監測模塊，用于根據所述當前時刻對應的預測數據，對所述目標環境進行監測。第三方面，本專利技術實施例提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，處理器執行程序時實現本專利技術第一方面加速分布式機器學習的方法的步驟。第四方面，本專利技術實施例提供一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時實現本專利技術第一方面加速分布式機器學習的方法的步驟。本專利技術實施例提供的一種環境監測方法及系統，該方法能夠在硬件環境傳感器數據出現異常數據時，進行快速的錯誤數據判斷和有效的數據糾錯處理，提高傳感器采集數據精度，保障數據的有效性和連續性，滿足農業生產的需求。附圖說明為了更清楚地說明本專利技術實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本專利技術的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。圖1為本專利技術實施例提供的一種環境監測方法的流程圖；圖2為本專利技術實施例提供的一種環境監測系統的結構示意圖；圖3為本專利技術實施例提供的一種環境監測方法的應用場景示意圖；圖4為本專利技術實施例提供的一種電子設備的實體結構示意圖。具體實施方式為使本專利技術實施例的目的、技術方案和優點更加清楚，下面將結合本專利技術實施例中的附圖，對本專利技術實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本專利技術一部分實施例，而不是全部的實施例。基于本專利技術中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬于本專利技術保護的范圍。圖1為本專利技術實施例提供的一種環境監測方法的流程圖，如圖1所示，該方法包括：S1，獲取目標環境中傳感器采集當前時刻對應的實時數據和上一時刻對應的實時數據；S2，根據所述當前時刻對應的實時數據和所述上一時刻對應的實時數據，判斷所述當前時刻對應的實時數據是否異常；S3，若判斷獲知所述當前時刻對應的實時數據異常，將每一歷史時刻對應的實時數據輸入至監測模型，獲取所述當前時刻對應的預測數據，所述監測模型以歷史樣本時刻對應的實時數本文檔來自技高網...

【技術保護點】
1.一種環境監測方法，其特征在于，包括：/n獲取目標環境中傳感器采集當前時刻對應的實時數據和上一時刻對應的實時數據；/n根據所述當前時刻對應的實時數據和所述上一時刻對應的實時數據，判斷所述當前時刻對應的實時數據是否異常；/n若判斷獲知所述當前時刻對應的實時數據異常，將每一歷史時刻對應的實時數據輸入至監測模型，獲取所述當前時刻對應的預測數據，所述監測模型以歷史樣本時刻對應的實時數據為樣本數據、以自相關函數和偏自相關函數為標簽進行訓練得到；/n根據所述當前時刻對應的預測數據，對所述目標環境進行監測。/n

【技術特征摘要】
1.一種環境監測方法，其特征在于，包括：
獲取目標環境中傳感器采集當前時刻對應的實時數據和上一時刻對應的實時數據；
根據所述當前時刻對應的實時數據和所述上一時刻對應的實時數據，判斷所述當前時刻對應的實時數據是否異常；
若判斷獲知所述當前時刻對應的實時數據異常，將每一歷史時刻對應的實時數據輸入至監測模型，獲取所述當前時刻對應的預測數據，所述監測模型以歷史樣本時刻對應的實時數據為樣本數據、以自相關函數和偏自相關函數為標簽進行訓練得到；
根據所述當前時刻對應的預測數據，對所述目標環境進行監測。


2.根據權利要求1所述的環境監測方法，其特征在于，所述根據所述當前時刻對應的實時數據和所述上一時刻對應的實時數據，判斷所述當前時刻對應的實時數據是否異常，具體包括：
根據所述當前時刻對應的實時數據和所述上一時刻對應的實時數據，通過類比法判斷所述當前時刻對應的實時數據是否異常。


3.根據權利要求2所述的環境監測方法，其特征在于，所述根據所述當前時刻對應的實時數據和所述上一時刻對應的實時數據，通過類比法判斷所述當前時刻對應的實時數據是否異常，具體包括：
根據所述傳感器第一預設歷史時間段內的若干歷史數據，獲取所述第一預設歷史時間段內的平均值；
根據所述平均值和預設季節偏移量，獲取基準區間值；
若所述當前時刻對應的實時數據和所述上一時刻對應的實時數據之間的差值小于所述基準區間值，則判斷所述當前時刻對應的實時數據正常，否則，則判斷所述當前時刻對應的實時數據錯誤。


4.根據權利要求1所述的環境監測方法，其特征在于，所述監測模型通過如下方式獲得：
獲取第二預設歷史時間段的若干歷史數據；
若所述第二預設歷史時間段的若干歷史數據構成的時間序列是非平穩的，通過一階差分法對所述時間序列進行平穩化處理，獲取平穩化后的若干歷史數據；
利用平穩化后的若干歷史數據對ARMA初始模型進行訓練，獲取所述監測模型。<...

【專利技術屬性】
技術研發人員：吳建偉，霍洪彥，
申請(專利權)人：北京派得偉業科技發展有限公司，北京農業信息技術研究中心，
類型：發明
國別省市：北京;11