1.一种基于实时和历史数据的无人机监测大气数据丢失补偿方法,其特征在于,包括:
1):无人机搭载传感器在待测区域展开飞行,同时通过地面移动监测平台进行监测;
2):通过地面移动监测平台接收无人机监测数据,所述监测数据的插值方法分为实时数据插值和历史数据插值,实时数据插值贯穿整个监测过程,历史数据插值在监测完成后进行;
3):在监测过程的实时数据插值中,地面移动监测平台在每次接收时判断是否出现数据丢失,并分别将时刻数据接收状态分为丢失数据及未丢失数据;
若为未丢失数据,则直接保存数据;若为丢失数据,则对丢失数据进行待插值标记,成为待插值丢失数据,并保存;
4):每次数据保存完,判断已保存数据中是否存在带有待插值标记的丢失数据,若是,则判断以其为中心的指定搜索半径内未丢失数据及已插值丢失数据的总数量是否达到最少个数;
若是,使用IDW对该丢失数据进行插值补偿,并进行已插值标记,成为已插值丢失数据;若否,则地面移动监测平台直接进行可视化;
5):在监测完成后的历史数据插值中,地面移动监测平台将接收到的历史数据集保存于数据库,成为历史数据集;
6):对历史数据集进行预处理,然后对历史数据进行正态检验及正态分布转换,包括:去除掉历史数据集中所有污染物数据、气象数据、对应的经纬度坐标、采样时间、无人机高度值为0和小于0的异常数据,使其为空,按照如下公式对历史数据集中所有污染物数据、气象数据进行转换:(4)
其中,为历史数据集;为转化后的历史数据集;为自然对数;
7):计算各数据点之间的距离及半方差值;
8):交叉验证选取最优拟合模型,并计算相关参数;其中,交叉验证过程将转化后的历史数据集分割为训练集与验证集,然后使用训练集数据,为每个半方差函数模型拟合一个克里金模型,接着再使用每个拟合的克里金模型对验证集数据进行预测,最后对每个克里金模型的预测结果进行评估,最终基于评估结果,选取表现最好的模型作为最佳模型;
所述半方差函数模型包括高斯模型、线性模型、球状模型、指数模型、幂函数模型,各模型的表达式如下:高斯模型:
(7)
线性模型:
(8)
球状模型:
(9)
指数模型:
(10)
幂函数模型:
(11)
其中是块金,代表在非零距离的微小变化下的方差;c取决于数据的方差或振幅,是范围参数;
9):使用Kriging插值法进行插值,得到Kriging插值数据集;
10):对于实时数据插值方法及历史数据插值方法得到的数据集,地面移动监测平台均将其保存于数据库;
所述未丢失数据定义为地面移动监测平台接收一次数据其污染物数据、气象数据、对应的经纬度坐标、采样时间、无人机高度值均未丢失;
所述丢失数据定义为地面移动监测平台接收一次数据其对应的经纬度坐标、无人机高度值及采样时间未丢失,污染物数据或气象数据丢失;
待插值标记丢失数据定义为带有待插值标记的丢失数据;
已插值丢失数据定义为已通过IDW方法对待插值丢失数据进行插补后的数据;
所述历史数据集定义为经过实时数据插值处理的数据集或未经过实时数据插值处理的数据集。
2.根据权利要求1所述的基于实时和历史数据的无人机监测大气数据丢失补偿方法,其特征在于,所述地面移动监测平台可接收无人机搭载传感器所监测的数据,并将监测数据进行可视化。
3.根据权利要求1所述的基于实时和历史数据的无人机监测大气数据丢失补偿方法,其特征在于,步骤2)中所述监测数据包括污染物数据、气象数据、对应的经纬度坐标、采样时间、无人机高度值。
4.根据权利要求1所述的基于实时和历史数据的无人机监测大气数据丢失补偿方法,其特征在于,步骤2)中所述实时数据插值的方法能够在监测过程中基于未丢失数据及已插值丢失数据对丢失数据进行IDW实时插值;
所述历史数据插值的方法能够在监测完成后基于历史数据进行Kriging插值。
5.根据权利要求1所述的基于实时和历史数据的无人机监测大气数据丢失补偿方法,其特征在于,所述IDW方法的表达式如下:距离公式:
(1)
反距离加权插值公式:
(2)
(3)
其中,为预测点与已知的观测点之间的欧氏距离;为第个已知数据点的经度坐标值;为预测点的经度坐标值;为第个已知数据点的纬度坐标值;为预测点的的纬度坐标值。;为预测点的估计值;为已知的观测点的值;是给观测值分配的权重;是已知观测点的总数量;为正实数,决定权重随距离变化的速度。
6.根据权利要求1所述的基于实时和历史数据的无人机监测大气数据丢失补偿方法,其特征在于,步骤7)中计算各数据点之间距离的公式如下:(5)
其中,为第个点的经度坐标值;为第个点的经度坐标值;为第个点的纬度坐标值;为第个点的纬度坐标值;
计算数据点之间的半方差值的公式如下:
(6)
其中,是距离为的数据对的数量,和是对应位置的观测值。
7.根据权利要求1所述的基于实时和历史数据的无人机监测大气数据丢失补偿方法,其特征在于,步骤9)中所述的Kriging插值公式如下:预测公式:
(12)
克里金权重:
(13)
其中,为预测点对应的预测值,是第个已知点的观测值,是第个已知点的权重。