欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025113604347
申请人: 四川鹏鹞环保设备有限公司
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于大数据的环境检测数据采集处理方法,其特征在于,所述环境检测数据采集处理方法包括以下步骤:通过多模态传感器采集卫星遥感数据、无人机热成像数据和地面物联网设备数据,卫星遥感数据包括植被覆盖度、地表温度和气溶胶光学厚度,地面物联网设备数据包括大气监测站数据、水质传感器数据和土壤墒情仪数据;无人机热成像数据包括工业区与河道的热红外图像数据,对采集的数据进行预处理,得到初始多模态数据;

利用TCN时序卷积网络提取所述初始多模态数据中的时空特征,并通过Attention注意力机制加权关键特征,得到特征多模态数据;

基于LSTM长短期记忆网络和XGBoost梯度下降算法建立混合预测模型,利用改进的IWOA鲸鱼优化算法优化混合预测模型的超参数,得到目标混合预测模型;

将所述特征多模态数据输入至目标混合预测模型中进行预测,输出环境质量评估结果。

2.如权利要求1所述的基于大数据的环境检测数据采集处理方法,其特征在于,所述通过多模态传感器采集卫星遥感数据、无人机热成像数据和地面物联网设备数据,对采集的数据进行预处理,得到初始多模态数据,包括:利用箱线图法识别物联网设备的跳变数据并替换为相邻时刻均值,采用克里金插值法对卫星和无人机数据的局部缺失进行填充,通过前向填充法对物联网时序缺失数据进行填充,得到填充数据;

以地面物联网设备的采样时间为基准,对卫星和无人机数据进行时间插值,得到时间对齐数据;通过地理编码将多源数据映射至统一网格,采用空间插值法进行不同分辨率数据的匹配,得到空间对齐数据;

对时间对齐数据和空间对齐数据进行归一化,得到初始多模态数据。

3.如权利要求1所述的基于大数据的环境检测数据采集处理方法,其特征在于,所述利用TCN时序卷积网络提取所述初始多模态数据中的时空特征,并通过Attention注意力机制加权关键特征,得到特征多模态数据,包括:TCN时序卷积网络采用3层因果卷积层,每层包含卷积核、膨胀率,用于捕捉长距离时序依赖;

将初始多模态数据拼接为三维张量作为TCN时序卷积网络的输入,通过卷积核滑动提取网格内的局部空间关联,通过膨胀卷积捕捉跨时间步的依赖关系,得到时空特征。

4.如权利要求1所述的基于大数据的环境检测数据采集处理方法,其特征在于,所述利用TCN时序卷积网络提取所述初始多模态数据中的时空特征,并通过Attention注意力机制加权关键特征,得到特征多模态数据,包括:对TCN时序卷积网络输出的时空特征,采用缩放点积注意力计算权重;

定义查询向量、键向量和值向量,通过询向量和键向量的余弦相似度生成注意力权重矩阵;

加权关键特征弱化噪声特征,将加权后的特征矩阵与时空特征进行残差连接,输出最终的特征多模态数据。

5.如权利要求1所述的基于大数据的环境检测数据采集处理方法,其特征在于,所述基于LSTM长短期记忆网络和XGBoost梯度下降算法建立混合预测模型,利用改进的IWOA鲸鱼优化算法优化混合预测模型的超参数,得到目标混合预测模型,包括:LSTM模块处理时序特征,输入为Attention加权后的时序特征序列,输出时序预测结果;

XGBoost模块处理非线性特征,输入为空间特征与LSTM的中间输出,输出非线性预测结果;

采用加权融合策略将LSTM输出与XGBoost输出线性组合,得到混合模型的初步预测结果。

6.如权利要求1所述的基于大数据的环境检测数据采集处理方法,其特征在于,所述基于LSTM长短期记忆网络和XGBoost梯度下降算法建立混合预测模型,利用改进的IWOA鲸鱼优化算法优化混合预测模型的超参数,得到目标混合预测模型,包括:定义优化参数包括LSTM的隐藏层维度、学习率、XGBoost的树深度和正则化系数;

初始化50个鲸鱼个体,通过包围猎物、气泡网攻击和搜索猎物操作更新个体位置,迭代100次后输出最优超参数组合。

7.如权利要求1所述的基于大数据的环境检测数据采集处理方法,其特征在于,所述将所述特征多模态数据输入至目标混合预测模型中进行预测,输出环境质量评估结果,包括:结合历史数据与预测值的偏差采用贝叶斯修正法对预测结果进行微调,根据环境标准将调整后的预测值转换为环境质量指数,输出环境质量评估结果。

8.基于大数据的环境检测数据采集处理系统,其特征在于,所述环境检测数据采集处理系统包括以下模块:环境数据获取模块,用于通过多模态传感器采集卫星遥感数据、无人机热成像数据和地面物联网设备数据,卫星遥感数据包括植被覆盖度、地表温度和气溶胶光学厚度,地面物联网设备数据包括大气监测站数据、水质传感器数据和土壤墒情仪数据;无人机热成像数据包括工业区与河道的热红外图像数据,对采集的数据进行预处理,得到初始多模态数据;

环境数据分析模块,用于利用TCN时序卷积网络提取所述初始多模态数据中的时空特征,并通过Attention注意力机制加权关键特征,得到特征多模态数据;

预测模型构建模块,用于基于LSTM长短期记忆网络和XGBoost梯度下降算法建立混合预测模型,利用改进的IWOA鲸鱼优化算法优化混合预测模型的超参数,得到目标混合预测模型;

环境质量评估模块,用于将所述特征多模态数据输入至目标混合预测模型中进行预测,输出环境质量评估结果。

9.如权利要求8所述的基于大数据的环境检测数据采集处理系统,其特征在于,所述预测模型构建模块包括以下子模块:定义子模块,用于定义优化参数包括LSTM的隐藏层维度、学习率、XGBoost的树深度和正则化系数;

输出子模块,用于初始化50个鲸鱼个体,通过包围猎物、气泡网攻击和搜索猎物操作更新个体位置,迭代100次后输出最优超参数组合。

10.如权利要求8所述的基于大数据的环境检测数据采集处理系统,其特征在于,所述预测模型构建模块包括以下子模块:调整子模块,用于结合历史数据与预测值的偏差采用贝叶斯修正法对预测结果进行微调,根据环境标准将调整后的预测值转换为环境质量指数,输出环境质量评估结果。