1.基于云平台的病毒监测预警系统，其特征在于：包括数据采集终端、云端监测中心和用户客户端；

所述数据采集终端包括空气采样设备、3G网络接口、单片机；

所述数据采集终端用于实时监测空气中病毒，并将监测数据通过3G网络发送到云端监测中心；所述云端监控中心用于比对分析采集到的病毒种类及空气中的病毒含量，存储比对结果，当有异常发生时，将预警信息发布到所述用户客户端；所述云端监控中心还包括病毒数据库，所述数据库用于存储病毒信息以及比对结果；所述用户客户端用于接收所述云端控制中心信息，访问云端控制中心。

2.根据权利要求1所述的基于云平台的病毒监测预警系统的一种病毒监测预警方法，其特征在于：包括：步骤000，提供一种如权利要求1所述的基于云平台的病毒监测预警系统；

步骤100，所述数据采集终端采集空气中病毒的实时情况；

步骤200，所述数据采集终端间隔一定的时间将采集信息情况发送到云端监控中心；

步骤300，所述云端监控中心接收来自数据采集终端发送的数据，对数据进行智能分析、判断和识别；

步骤400，所述云端监控中心将监测数据及分析结果进行存储，并间隔一定的时间更新所述病毒数据库；

步骤500，所述云端监控中心将步骤300的分析结果向所述客户端进行发布，发布信息内容为空气中病毒种类及含量是否有异常情况；

步骤600，所述客户端实时接收云端监控中心发布的信息，也可以主动对所述云端监控中心进行查询，查询内容包括病毒安全情况、病毒特征、监测设备运行情况。

3.根据权利要求2所述的病毒监测预警方法，其特征在于：所述步骤100进一步包括：步骤120：各类传感器定时将采集的空气病毒种类和含量、设备运行的电压电流信号传送至采集终端的单片机，所述单片机将各种信号转换成数字信号，并进行数字滤波，剔除噪声和错误数据；

步骤140：单片机将步骤120预处理所得到的数据，通过设置通信协议，将不同的数据信息进行编码，通过485总线传送给3G网络接口，转换为3G网络信号，发送至所述云端监控中心。

4.根据权利要求2所述的病毒监测预警方法，其特征在于：所述步骤300进一步包括：步骤310：将所述病毒数据库中的数据作为训练数据；

步骤320：初始化权阈值并将所述权阈值赋值给BP神经网络；

步骤330：训练所述BP神经网络至给定误差范围；

步骤340：将所述数据采集终端采集的实时空气中病毒浓度作为测试数据输入到BP神经网络，得到预测结果。

5.根据权利要求2所述的基于云平台的病毒监测预警方法，其特征在于：所述步骤300进一步包括：步骤350：将所述病毒数据库中的数据作为训练数据；

步骤355：将初始化阈值进行二进制编码；

步骤360：设置相关参数，包括种群规模，交叉率，变异率和进化代数；

步骤366：适应度函数设计；

步骤370：执行遗传算法中的选择、交叉、变异操作，循环得到最优解；

步骤377：将最优权阈值赋值给BP神经网络；

步骤380：将所述数据采集终端采集的实时空气中病毒浓度进行归一化；

步骤388：将归一化后的样本数据输入BP神经网络；

步骤390：训练BP神经网络至给定误差范围；

步骤399：测试数据输入到BP神经网络，得到预测结果。

6.根据权利要求5所述的基于云平台的病毒监测预警方法，其特征在于：所述步骤355包括：步骤356:初始化BP神经网络权阈值：

设有输入节点为i,中间层节点为j,输出层节点为k的BP神经网络,则对应BP神经网络有如下矩阵；

BP神经网络的输入层到中间层连接权值矩阵：BP神经网络的中间层阈值矩阵

BP神经网络的中间层到输出层连接权值矩阵BP神经网络的输出层阈值矩阵

其中W,γ,V,h中每个元素为属于[-1,1]区间的随机数；

步骤357：根据所需精度δ计算二进制编码位数，公式为：其中Umin,Umax分别为单个权阈值的最小值和最大值，λ为表示单个权阈值的二进制编码位数；

步骤358：确定染色体编码：

其中w11′,w12′...wij′、γ′1…γ′j、v11′,v12′…vjk′、h1′,h2′…hk′分别为w11,w12…wij、γ1,γ2…γj、v11,v12…vjk、h1,h2…hk用二进制串表示后的值， 的值为

0或者1。

7.根据权利要求5所述的基于云平台的病毒监测预警方法，其特征在于：步骤366中评价函数的确定方法为：依据空气中病毒质量预测问题的特征,将BP神经网络的误差函数定义为：其中E(W)为权阈值为W时BP神经网络的误差；tq(p)，yq(p)分别表示期望得到的值和实际预测得到的值，l和k分别代表训练样本的个数和输出层包含节点的数目；

则评价函数为:

其中ξ为接近于0的极小值。