【技術實現步驟摘要】
本專利技術涉及數據分析，尤其涉及一種基于人工智能的數據分析方法、裝置、設備、介質和產品。
技術介紹
1、在環境異常監測領域，基于人工智能的數據分析方法通過對多源數據的采集、整合與計算，生成能夠表征環境狀態的核心指標，這一技術利用機器學習和智能算法的強大分析能力，對環境異常進行精準識別、趨勢預測及等級評估，并通過智能反饋機制實現實時預警，為環境管理和決策提供科學依據。
2、在當前空氣質量監測與環境異常分析實踐中，傳統方法存在諸多缺陷。例如，數據來源單一且難以實時整合，無法準確反映復雜的環境變化，且傳統分析方法往往依賴于人工判斷，缺乏智能化的預警機制，難以快速應對突發性環境事件。這些缺點顯著降低了環境監測系統的效能，也限制了數據驅動決策的精準性。
技術實現思路
1、本專利技術實施例的目的是提供一種基于人工智能的數據分析方法、裝置、設備、介質和產品，其能夠采集多源數據并實時整合，準確反映復雜的環境變化，提高監測環境異常情況的精準性和高效性。
2、為實現上述目的，本專利技術實施例提供了一種基于人工智能的數據分析方法，包括：
3、采集周圍環境數據，形成多源數據集；其中，所述多源數據集包括第一數據集、第二數據集和第三數據集，所述第一數據集包括大氣環境數據，所述第二數據集包括氣象條件數據，所述第三數據集包括人類活動對環境影響數據；
4、根據所述多源數據集，計算環境異常分析數值；其中，所述環境異常分析數值用于環境異常分析；
5、當所述環境
6、當判定當前環境存在異常時，根據所述環境異常分析數值計算環境異常量級數值；其中，所述環境異常量級數值用于表征環境異常程度；
7、根據所述環境異常量級數值確定當前環境的異常等級。
8、作為上述方案的改進，所述根據所述多源數據集，計算環境異常分析數值，包括：
9、根據所述第一數據集，計算第一參考系數和第一修正系數；其中，所述第一參考系數用于表征空氣質量情況，所述第一修正系數用于表征大氣物理狀態；
10、根據所述第二數據集，計算第二參考系數和第二修正系數；其中，所述第二參考系數用于表征日常氣象條件，所述第二修正系數用于表征特定氣象事件影響；
11、根據所述第三數據集，計算第三參考系數和第三修正系數；其中，所述第三參考系數用于表征人類活動影響，所述第三修正系數用于表征城市規劃影響；
12、通過以下計算公式，計算所述環境異常分析數值hjx：
13、
14、其中，d1、d2、d3為預設的權重值，s1為第一參考系數，s2為第二參考系數，s3為第三參考系數，x1為第一修正系數，x2為第二修正系數，x3為第三修正系數。
15、作為上述方案的改進，所述第一數據集包括pm2.5濃度、no2濃度、o3濃度、氣壓值、大氣穩定度指數；
16、所述根據所述第一數據集，計算第一參考系數和第一修正系數，包括：
17、根據pm2.5濃度、no2濃度、o3濃度，通過以下計算公式計算所述第一參考系數s1：
18、
19、根據氣壓值、大氣穩定度指數，通過以下計算公式計算所述第一修正系數x1：
20、
21、其中，、、、、分別為數據序列中第n個采樣點的pm2.5濃度、no2濃度、o3濃度、氣壓值、大氣穩定度指數；、、、、分別為數據序列中第n-1個采樣點的pm2.5濃度、no2濃度、o3濃度、氣壓值、大氣穩定度指數；
22、所述第二數據集包括溫度、濕度、風速、太陽輻射強度、降水量；
23、所述根據所述第二數據集，計算第二參考系數和第二修正系數，包括：
24、根據溫度、濕度、風速，通過以下計算公式計算所述第二參考系數s2：
25、
26、根據太陽輻射強度、降水量，通過以下計算公式計算所述第二修正系數x2：
27、
28、其中，、、、、分別為數據序列中第n個采樣點的溫度、濕度、風速、太陽輻射強度、降水量；、、、、分別為數據序列中第n-1個采樣點的溫度、濕度、風速、太陽輻射強度、降水量；
29、所述第三數據集包括交通流量、工業排放量、能源消耗量、城市人口密度、道路通行條件指數；
30、所述根據所述第三數據集，計算第三參考系數和第三修正系數，包括：
31、根據交通流量、工業排放量、能源消耗量，通過以下計算公式計算所述第三參考系數s3：
32、
33、根據城市人口密度、道路通行條件指數，通過以下計算公式計算所述第三修正系數x3：
34、
35、其中，、、、、分別為數據序列中第n個采樣點的交通流量、工業排放量、能源消耗量、城市人口密度、道路通行條件指數；、、、、分別為數據序列中第n-1個采樣點的交通流量、工業排放量、能源消耗量、城市人口密度、道路通行條件指數；a1、a2、a3、b1、b2、b3、c1、c2和c3為預設的權重值。
36、作為上述方案的改進，所述根據所述環境異常分析數值計算環境異常量級數值，包括：
37、根據所述環境異常分析數值hjx，通過以下計算公式計算所述環境異常量級數值hyj：
38、
39、其中，y為所述預設的環境異常閾值。
40、作為上述方案的改進，所述根據所述環境異常量級數值確定當前環境的異常等級，包括：
41、當滿足時，確定當前環境為一級異常；
42、當滿足時，確定當前環境為二級異常；
43、當滿足時，確定當前環境為三級異常；其中，異常等級越高，代表環境異常程度越大，r1和r2為預設的異常等級閾值，r2＞r1。
44、作為上述方案的改進，在所述根據所述環境異常量級數值確定當前環境的異常等級之后，所述方法還包括：
45、根據所述異常等級，確定并執行相應的防護措施；其中，所述防護措施包括增加對所述周圍環境數據的采集頻率，發布預警信息和啟動對目標區域的環境治理措施。
46、本專利技術實施例還提供了一種基于人工智能的數據分析裝置，包括：
47、環境數據采集模塊，用于采集周圍環境數據，形成多源數據集；其中，所述多源數據集包括第一數據集、第二數據集和第三數據集，所述第一數據集包括大氣環境數據，所述第二數據集包括氣象條件數據，所述第三數據集包括人類活動對環境影響數據；
48、異常分析數值計算模塊，用于根據所述多源數據集，計算環境異常分析數值；其中，所述環境異常分析數值用于環境異常分析；
49、環境異常分析模塊，用于當所述環境異常分析數值大于等于預設的環境異常閾值時，判定當前環境存在異常；
50、異常量級數值計算模塊，用于當判定當前環境存在異常時，根據所述環境異常分析數值計算環境異常量級數值；其中，本文檔來自技高網...
【技術保護點】
1.一種基于人工智能的數據分析方法，其特征在于，包括：
2.如權利要求1所述的基于人工智能的數據分析方法，其特征在于，所述根據所述多源數據集，計算環境異常分析數值，包括：
3.如權利要求2所述的基于人工智能的數據分析方法，其特征在于，所述第一數據集包括PM2.5濃度、NO2濃度、O3濃度、氣壓值、大氣穩定度指數；
4.如權利要求1所述的基于人工智能的數據分析方法，其特征在于，所述根據所述環境異常分析數值計算環境異常量級數值，包括：
5.如權利要求1所述的基于人工智能的數據分析方法，其特征在于，所述根據所述環境異常量級數值確定當前環境的異常等級，包括：
6.如權利要求1至5任一項所述的基于人工智能的數據分析方法，其特征在于，在所述根據所述環境異常量級數值確定當前環境的異常等級之后，所述方法還包括：
7.一種基于人工智能的數據分析裝置，其特征在于，包括：
8.一種基于人工智能的數據分析設備，其特征在于，包括處理器、存儲器以及存儲在所述存儲器中且被配置為由所述處理器執行的計算機程序，所述處理器執行所述計
9.一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包括存儲的計算機程序，其中，在所述計算機程序運行時控制所述計算機可讀存儲介質所在設備執行如權利要求1至6中任意一項所述的基于人工智能的數據分析方法。
10.一種計算機程序產品，其特征在于，所述計算機程序產品包括計算機程序或計算機指令，所述計算機程序或所述計算機指令被處理器執行時實現如權利要求1至6中任意一項所述的基于人工智能的數據分析方法。
...【技術特征摘要】
1.一種基于人工智能的數據分析方法，其特征在于，包括：
2.如權利要求1所述的基于人工智能的數據分析方法，其特征在于，所述根據所述多源數據集，計算環境異常分析數值，包括：
3.如權利要求2所述的基于人工智能的數據分析方法，其特征在于，所述第一數據集包括pm2.5濃度、no2濃度、o3濃度、氣壓值、大氣穩定度指數；
4.如權利要求1所述的基于人工智能的數據分析方法，其特征在于，所述根據所述環境異常分析數值計算環境異常量級數值，包括：
5.如權利要求1所述的基于人工智能的數據分析方法，其特征在于，所述根據所述環境異常量級數值確定當前環境的異常等級，包括：
6.如權利要求1至5任一項所述的基于人工智能的數據分析方法，其特征在于，在所述根據所述環境異常量級數值確定當前環境的異常等級之后，所...
【專利技術屬性】
技術研發人員：林景，傅家偉，程宇，姚旭東，畢士凡，陳文超，陳崢，楊佳圣，來聰，陳奇，章美丹，洪瀟，
申請(專利權)人：國網浙江省電力有限公司杭州供電公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。