一种基于物联网的区域环境智能监测系统的制作方法

本发明涉及区域环境监测，尤其涉及一种基于物联网的区域环境智能监测系统。

背景技术：

1、区域环境监测是指对特定区域的环境参数进行实时监测和分析的技术。其背后涉及了一系列关键技术，包括传感器技术、数据采集与传输技术、大数据分析与处理技术等。传感器技术通过安装在监测点位的传感器，可以实时测量环境参数如温度、湿度、空气质量等。数据采集与传输技术能够将传感器采集到的数据实时传输到监测中心进行处理和分析。大数据分析与处理技术结合监测数据，实现对区域环境的趋势分析和预测，为环境保护和决策提供科学依据。

2、中国专利公开号：cn117491572a公开了一种区域环境监测系统，包括采集模块，通过在区域内不同地点设置传感器收集环境数据；处理模块，负责接收以及存储传感器所收集的数据信息；响应模块，根据监测数据和分析结果，系统可以实时提供预警和警报；交流模块，将监测数据、分析结果和报告与各级政府部门、研究机构、公众以及其他相关利益方共享。该发明实现了对区域内环境信息的监测预警，未实现对区域内不同点位每日数据变化的综合分析，存在对环境监测分析效率低，分析不准确的问题。

技术实现思路

1、为此，本发明提供一种基于物联网的区域环境智能监测系统，用以克服现有技术中对环境监测分析效率低，分析不准确的问题。

2、为实现上述目的，本发明提供一种基于物联网的区域环境智能监测系统，包括：

3、信息获取模块，用以获取监测区域内的环卫信息、空气信息、水质信息和天气信息；

4、坐标构建模块，用以根据环卫信息构建站点坐标；

5、环境分析模块，用以根据环卫信息、空气信息、水质信息和天气信息对环境参数进行分析，并对空气信息、水质信息、天气信息和环境参数进行存储；

6、站点分析模块，用以根据当前获取的环卫信息对站点环境特征进行分析，还用以对环卫信息进行存储，并根据已存储的环卫信息对站点环境波动进行分析；

7、构建分析模块，用以根据环境参数、站点环境特征和站点环境波动构建每日环境图像和预测环境图像，还用以根据每日环境图像对每日图像特征进行分析，还用以根据预测环境图像对预测图像特征进行分析；

8、特征存储模块，用以对每日图像特征和预测图像特征进行存储；

9、监测分析模块，用以根据已存储的每日图像特征和预测图像特征对环境污染状态进行分析；

10、环境输出模块，用以对环境污染状态进行输出。

11、进一步地，所述坐标构建模块设有站点编号单元，其用以根据行驶顺序对站点位置信息进行编号，按行驶顺序中垃圾车经过各站点的顺序，将经过的第一个垃圾收集站的编号设置为1，将经过的第二个垃圾收集站的编号设置为2，以此类推，对站点位置信息进行编号，记做i，i表示站点编号，i∈n+；

12、所述坐标构建模块还设有坐标分析单元，其用以根据站点编号和站点位置信息对站点坐标进行分析，其中：

13、当0≤∠i＜90时，所述坐标分析单元对站点坐标进行分析，设定x(i)＝s(i)×s in∠i，y(i)＝s(i)×cos∠i；

14、当90≤∠i＜180时，所述坐标分析单元对站点坐标进行分析，设定x(i)＝s(i)×si n∠i，y(i)＝s(i)×-cos∠i；

15、当180≤∠i＜270时，所述坐标分析单元对站点坐标进行分析，设定x(i)＝s(i)×-s i n∠i，y(i)＝s(i)×-cos∠i；

16、当270≤∠i＜360时，所述坐标分析单元对站点坐标进行分析，设定x(i)＝s(i)×-s i n∠i，y(i)＝s(i)×cos∠i；

17、其中，∠i表示站点相对方位，s(i)表示站点相对距离，x(i)表示站点横坐标，y(i)表示站点纵坐标，(x(i),y(i))表示站点坐标。

18、进一步地，所述环境分析模块设有每日分析单元，其用以根据空气信息和水质信息通过每日分析公式计算每日环境参数，所述每日分析单元设有每日分析公式如下：

19、f＝l na×(p-p)×eb/b-1

20、其中，f表示每日环境参数，a表示空气信息，p表示ph值，p表示ph阈值，6≤p≤9，b表示溶解氧，b表示溶解氧阈值，4≤d≤7。

21、进一步地，所述环境分析模块还设有历史分析单元，其用以根据已存储的空气信息和水质信息通过历史分析公式计算历史环境参数，所述历史分析单元设有历史分析公式如下：

22、

23、

24、

25、

26、其中，g表示历史环境参数，a(d)表示已存储的空气信息，p(d)表示已存储的ph值，b(d)表示已存储的溶解氧，d表示天数编号，d∈n+，nd表示已存储的天数，f1表示第一参数均值，f2表示第二参数均值，f3表示第三参数均值。

27、进一步地，所述环境分析模块还设有预测分析单元，其用以根据已存储的天气信息和环境参数对晴天数据和雨天数据进行提取，其中：

28、当w(d)为晴天时，所述预测分析单元提取当前分析天数编号对应的天气信息和环境参数作为晴天数据；

29、当w(d)为雨天时，所述预测分析单元提取当前分析天数编号对应的天气信息和环境参数作为雨天数据；

30、其中，w(d)表示已存储的天气类型

31、所述预测分析单元根据晴天数据和雨天数据通过预测分析公式计算预测环境参数，所述预测分析单元设有预测分析公式如下：

32、

33、

34、其中，h1表示晴天预测参数，h2表示雨天预测参数，f(d1)表示晴天数据中的每日环境参数，r(d1)表示晴天数据中的风速，d1表示晴天数据对应的天数编号，d1∈d，f(d1+1)表示当前分析的晴天数据对应的天数编号后一天的每日环境参数，nd1表示已存储的天气信息中天气类型为晴天的天数，f(d2)表示雨天数据中的每日环境参数，r(d2)表示雨天数据中的风速，r(d2)表示雨天数据中的降雨量，f(d2-1)表示当前分析的雨天数据对应的天数编号前一天的每日环境参数，f(d2+1)表示当前分析的雨天数据对应的天数编号后一天的每日环境参数，nd2表示已存储的天气信息中天气类型为雨天的天数。

35、进一步地，所述站点分析模块根据站点相对距离、垃圾重量、站点温度和站点湿度通过站点特征分析公式对站点环境特征进行分析，所述站点分析模块设有站点特征分析公式如下：

36、

37、所述站点分析模块根据已存储的垃圾重量、站点温度和站点湿度通过站点波动分析公式计算站点环境波动，所述站点分析模块设有站点波动分析公式如下：

38、

39、其中，q2(i)表示站点环境波动，m(d,i)表示已存储的垃圾重量，t(d,i)表示已存储的站点温度，z(d,i)表示已存储的站点湿度。

40、进一步地，所述构建分析模块设有灰度分析单元，其用以根据站点环境特征、每日环境参数、预测变化参数和站点坐标通过灰度分析公式对每日站点灰度和预测站点灰度进行分析，所述灰度分析单元设有灰度分析公式如下：

41、

42、

43、其中，l(x(i),y(i))表示每日站点灰度，k(x(i),y(i))表示预测站点灰度；

44、所述构建分析模块还设有灰度调整单元，其用以根据历史环境参数对每日站点灰度和预测站点灰度的分析过程进行调整，其中：

45、当g≤g时，所述灰度调整单元判定历史环境参数小，对每日站点灰度的分析过程进行调整，调整后的每日站点灰度为l1(x(i),y(i))，设定l1(x(i),y(i))＝l(x(i),y(i))×eg/g-1；

46、当g＞g时，所述灰度调整单元判定历史环境参数大，对预测站点灰度的分析过程进行调整，调整后的预测站点灰度为k1(x(i),y(i))，设定k1(x(i),y(i))＝k(x(i),y(i))×l oggg；

47、所述构建分析模块还设有灰度优化单元，其用以根据站点环境波动对每日站点灰度和预测站点灰度的调整过程进行优化，其中：

48、当α1≤q2(i)≤α2时，所述灰度优化单元判定环境波动小，对预测站点灰度的调整过程进行优化，优化后的预测站点灰度为k2(x(i),y(i))，设定k2(x(i),y(i))＝k1(x(i),y(i))×q2(i)；

49、当q2(i)＜α1或q2(i)＞α2时，所述灰度优化单元判定环境波动大，对每日站点灰度的调整过程进行优化，优化后的每日站点灰度为l2(x(i),y(i))，设定l2(x(i),y(i))＝l1(x(i),y(i))×[q2(i)+1]/2；

50、其中，α1表示第一波动阈值，0.7≤α1＜1，α2表示第二波动阈值，1＜α2≤1.3。

51、进一步地，所述构建分析模块还设有范围分析单元，其用以将各站点相对距离的平均值的一半作为辐射范围，记做n＝∑s(i)/(imax×2)，其中，n表示辐射范围，imax表示站点编号的最大值；

52、所述构建分析模块还设有图像构建单元，其用以将各站点坐标为圆心，辐射范围为半径的圆覆盖的范围作为站点范围，记做(x-x(i))2+(y-y(i))2＝n2,将各站点范围内坐标点的灰度值设置为与其圆心的站点坐标对应的每日站点灰度相等，将各站点范围中重复的坐标点的灰度值设置与其圆心的站点坐标对应的每日站点灰度的平均值相等，将站点范围内已设置灰度值的坐标点作为站点像素点，并组合各站点像素点形成每日环境图像。

53、进一步地，所述构建分析模块还设有特征分析单元，其用以根据每日环境图像和预测环境图像通过图像特征分析公式对每日图像特征和预测图像特征进行分析，所述特征分析单元设有图像特征分析公式如下：

54、

55、

56、其中，e(n)表示图像特征，n表示图像编号，n＝{1,2}，e(1)表示每日图像特征，e(2)表示预测图像特征，c(xn,yn)表示图像灰度值，(x1,y1)表示每日环境图像中的像素点坐标，(x2,y2)表示预测环境图像中的像素点坐标，c(n)表示图像平均灰度，c(1)表示每日图像平均灰度，c(2)表示预测图像平均灰度，ne表示每日环境图像中像素点的数量。

57、进一步地，所述监测分析模块根据已存储的图像特征对环境污染状态进行分析，其中：

58、当e(dmax,1)＞e(dmax-1,2)×β1时，所述监测分析模块判定环境污染状态为环境严重污染；

59、当e(dmax-1,2)＜e(dmax,1)≤e(dmax-1,2)×β时，所述监测分析模块判定环境污染状态为环境中度污染；

60、当e(dmax-1,2)×β2＜e(dmax,1)≤e(dmax-1,2)时，所述监测分析模块判定环境污染状态为环境轻度污染；

61、当e(dmax,1)≤e(dmax-1,2)×β2时，所述监测分析模块判定环境污染状态为环境正常；

62、其中，e(dmax,1)表示已存储的每日图像特征中最后一天的每日图像特征，e(dmax-1,2)表示已存储的预测图像特征中倒数第二天的预测图像特征，β1表示第一污染阈值，1＜β1≤1.2，β2表示第二污染阈值，0.8≤β2＜1。

63、与现有技术相比，本发明的有益效果在于，通过所述信息获取模块对环卫信息、空气信息、水质信息和天气信息的获取，以提高信息获取的准确度，从而提高系统对环境信息的监测分析效率，提高分析的准确度，通过所述坐标构建模块对环卫信息的分析，以构建出站点坐标，用站点坐标表示各垃圾收集站与垃圾转运站的位置关系，从而提高系统对环境信息的监测分析效率，提高分析的准确度，通过所述环境分析模块对环卫信息、空气信息、水质信息和天气信息的分析，以分析出环境参数，用环境参数表示监测区域内的环境特征，从而提高系统对环境信息的监测分析效率，提高分析的准确度，通过所述站点分析模块对环卫信息的分析，以分析出站点环境特征，用站点环境特征表示各垃圾收集站的环境特征，从而提高系统对环境信息的监测分析效率，提高分析的准确度，通过所述站点分析模块对已存储的环卫信息的分析，以分析出站点环境波动，用站点环境波动表示各垃圾收集站的环境波动情况，从而提高系统对环境信息的监测分析效率，提高分析的准确度，通过所述构建分析模块对环境参数、站点环境特征和站点环境波动的分析，以构建出每日环境图像和预测环境图像，将分析出的数据可视化，简单直观的表示出监测的环境数据，从而提高系统对环境信息的监测分析效率，提高分析的准确度，通过所述构建分析模块对每日环境图像和预测环境图像的分析，以分析出每日环境特征和预测环境特征，从而提高系统对环境信息的监测分析效率，提高分析的准确度，通过所述特征存储模块对每日图像特征和预测图像特征的存储，以提高数据存储的准确度，从而提高系统对环境信息的监测分析效率，提高分析的准确度，通过所述监测分析模块对已存储的每日图像特征和预测图像特征的分析，以分析出环境污染状态，用环境污染状态表示监测区域环境污染的严重程度，从而提高系统对环境信息的监测分析效率，提高分析的准确度，通过所述环境输出模块对环境污染状态的输出，以提高输出的准确度，从而提高系统对环境信息的监测分析效率，提高分析的准确度。