应用人工智能的环境监测大数据分析方法及电子设备与流程

1.本发明涉及环境监测技术领域，特别涉及应用人工智能的环境监测大数据分析方法及电子设备。


背景技术：

2.环境监测（environmental monitoring）是指环境监测机构对环境质量状况进行监视和测定的活动。环境监测是通过对反映环境质量的指标进行监视和测定，以确定环境污染状况和环境质量的高低，环境监测是科学管理环境和环境执法监督的基础，是环境保护必不可少的基础性工作。随着科学技术的发展，一些前沿技术已经可以应用到环境监测中来，以ai技术为例，通过ai进行环境监测的技术层出不穷，但是这类技术仍然存在一些问题，比如难以精准可靠地实现环境监测分析和灾害趋势分析。


技术实现要素：

3.为改善相关技术中存在的技术问题，本发明提供了应用人工智能的环境监测大数据分析方法及电子设备。
4.本发明提供了一种应用人工智能的环境监测大数据分析方法，应用于电子设备，所述方法包括：对待分析环境监测大数据进行u个环境指标维度的生态指标要素向量挖掘，获得所述待分析环境监测大数据的u个环境指标维度的第一生态指标要素向量分布，所述u个环境指标维度的第一生态指标要素向量分布中每个环境指标维度的第一生态指标要素向量分布的规模存在差异，u为大于1的整数；对与每个环境指标维度的第一生态指标要素向量分布对应的生态指标要素向量分布簇分别进行规模更新及重构，获得u个环境指标维度的第二生态指标要素向量分布，每个生态指标要素向量分布簇包含所述第一生态指标要素向量分布以及与所述第一生态指标要素向量分布关联的衍生生态指标要素向量分布；对所述u个环境指标维度的第二生态指标要素向量分布进行环境灾害趋势分析，获得所述待分析环境监测大数据的环境灾害趋势分析结果。
5.对于一种可能的实施例而言，与第a个环境指标维度的第一生态指标要素向量分布对应的生态指标要素向量分布簇包括第a-1个环境指标维度的第一生态指标要素向量分布、第a个环境指标维度的第一生态指标要素向量分布及第a+1个环境指标维度的第一生态指标要素向量分布，a为整数且大于1小于u；所述对与每个环境指标维度的第一生态指标要素向量分布对应的生态指标要素向量分布簇分别进行规模更新及重构，获得u个环境指标维度的第二生态指标要素向量分布，包括：对所述第a-1个环境指标维度的第一生态指标要素向量分布进行规模简化，获得首组第a个环境指标维度的第三生态指标要素向量分布；
对所述第a个环境指标维度的第一生态指标要素向量分布进行规模固定的调整，获得第二组第a个环境指标维度的第三生态指标要素向量分布；对所述第a+1个环境指标维度的第一生态指标要素向量分布进行规模扩充，获得第三个第a个环境指标维度的第三生态指标要素向量分布；对所述首组第a个环境指标维度的第三生态指标要素向量分布、所述第二组第a个环境指标维度的第三生态指标要素向量分布及第三个第a个环境指标维度的第三生态指标要素向量分布进行重构，获得第a个环境指标维度的第二生态指标要素向量分布，其中，所述首组第a个环境指标维度的第三生态指标要素向量分布、所述第二组第a个环境指标维度的第三生态指标要素向量分布及第三个第a个环境指标维度的第三生态指标要素向量分布的规模一致。
6.对于一种可能的实施例而言，与第1个环境指标维度的第一生态指标要素向量分布对应的生态指标要素向量分布簇包含所述第1个环境指标维度的第一生态指标要素向量分布及第2个环境指标维度的第一生态指标要素向量分布，所述对与每个环境指标维度的第一生态指标要素向量分布对应的生态指标要素向量分布簇分别进行规模更新及重构，获得u个环境指标维度的第二生态指标要素向量分布，包括：对所述第1个环境指标维度的第一生态指标要素向量分布进行规模固定的调整，获得首组第1个环境指标维度的第三生态指标要素向量分布；对所述第2个环境指标维度的第一生态指标要素向量分布进行规模扩充，获得第二组第1个环境指标维度的第三生态指标要素向量分布；对所述首组第1个环境指标维度的第三生态指标要素向量分布及所述第二组第1个环境指标维度的第三生态指标要素向量分布进行重构，获得第1个环境指标维度的第二生态指标要素向量分布，其中，所述首组第1个环境指标维度的第三生态指标要素向量分布与所述第二组第1个环境指标维度的第三生态指标要素向量分布的规模一致。
7.对于一种可能的实施例而言，与第u个环境指标维度的第一生态指标要素向量分布对应的生态指标要素向量分布簇包括第u-1个环境指标维度的第一生态指标要素向量分布及所述第u个环境指标维度的第一生态指标要素向量分布，所述对与每个环境指标维度的第一生态指标要素向量分布对应的生态指标要素向量分布簇分别进行规模更新及重构，获得u个环境指标维度的第二生态指标要素向量分布，包括：对所述第u-1个环境指标维度的第一生态指标要素向量分布进行规模简化，获得首组第u个环境指标维度的第三生态指标要素向量分布；对所述第u个环境指标维度的第一生态指标要素向量分布进行规模固定的调整，获得第二组第u个环境指标维度的第三生态指标要素向量分布；对所述首组第u个环境指标维度的第三生态指标要素向量分布及所述第二组第u个环境指标维度的第三生态指标要素向量分布进行重构，获得第u个环境指标维度的第二生态指标要素向量分布，其中，所述首组第u个环境指标维度的第三生态指标要素向量分布与所述第二组第u个环境指标维度的第三生态指标要素向量分布的规模一致。
8.对于一种可能的实施例而言，所述对所述第a-1个环境指标维度的第一生态指标要素向量分布进行规模简化，获得首组第a个环境指标维度的第三生态指标要素向量分布，包括：调用第一窗口化处理模块对所述第a-1个环境指标维度的第一生态指标要素向量分
布进行窗口化处理，获得所述首组第a个环境指标维度的第三生态指标要素向量分布，所述第一窗口化处理模块的窗口维度为v*v，间隔周期为v，v、v为大于1的整数，所述第a-1个环境指标维度的第一生态指标要素向量分布的规模与所述第a个环境指标维度的第一生态指标要素向量分布的规模的比值为v；所述对所述第a个环境指标维度的第一生态指标要素向量分布进行规模固定的调整，获得第二组第a个环境指标维度的第三生态指标要素向量分布，包括：调用第二窗口化处理模块对所述第a个环境指标维度的第一生态指标要素向量分布进行窗口化处理，获得所述第二组第a个环境指标维度的第三生态指标要素向量分布，所述第二窗口化处理模块的窗口维度为v*v，间隔周期为1；所述对所述第a+1个环境指标维度的第一生态指标要素向量分布进行规模扩充，获得第三个第a个环境指标维度的第三生态指标要素向量分布，包括：调用第三窗口化处理模块及向量扩展模块对所述第a+1个环境指标维度的第一生态指标要素向量分布进行窗口化处理及向量扩展处理，获得所述第三个第a个环境指标维度的第三生态指标要素向量分布，所述第三窗口化处理模块的窗口维度为v*v，间隔周期为1。
9.对于一种可能的实施例而言，所述对所述第1个环境指标维度的第一生态指标要素向量分布进行规模固定的调整，获得首组第1个环境指标维度的第三生态指标要素向量分布，包括：调用第二窗口化处理模块对所述第1个环境指标维度的第一生态指标要素向量分布进行窗口化处理，获得所述首组第1个环境指标维度的第三生态指标要素向量分布，所述第二窗口化处理模块的窗口维度为v*v，间隔周期为1，v为大于1的整数；所述对所述第2个环境指标维度的第一生态指标要素向量分布进行规模扩充，获得第二组第1个环境指标维度的第三生态指标要素向量分布，包括：调用第三窗口化处理模块及向量扩展模块对所述第2个环境指标维度的第一生态指标要素向量分布进行窗口化处理及向量扩展处理，获得第二组第1个环境指标维度的第三生态指标要素向量分布，所述第三窗口化处理模块的窗口维度为v*v，间隔周期为1。
10.对于一种可能的实施例而言，所述对所述第u-1个环境指标维度的第一生态指标要素向量分布进行规模简化，获得首组第u个环境指标维度的第三生态指标要素向量分布，包括：调用第一窗口化处理模块对所述第u-1个环境指标维度的第一生态指标要素向量分布进行窗口化处理，获得所述首组第u个环境指标维度的第三生态指标要素向量分布，所述第一窗口化处理模块的窗口维度为v*v，间隔周期为v，v、v为大于1的整数，所述第a-1个环境指标维度的第一生态指标要素向量分布的规模与所述第a个环境指标维度的第一生态指标要素向量分布的规模的比值为v；所述对所述第u个环境指标维度的第一生态指标要素向量分布进行规模固定的调整，获得第二组第u个环境指标维度的第三生态指标要素向量分布，包括：调用第二窗口化处理模块对所述第u个环境指标维度的第一生态指标要素向量分布进行窗口化处理，获得所述第二组第u个环境指标维度的第三生态指标要素向量分布，所述第二窗口化处理模块的窗口维度为v*v，间隔周期为1。
11.对于一种可能的实施例而言，所述第二窗口化处理模块及所述第三窗口化处理模块包括动态窗口化处理模块或膨胀窗口化处理模块。
12.对于一种可能的实施例而言，所述方法通过人工智能模型实施，所述人工智能模
型包括互相连接的w层重构子模型，用作对所述u个环境指标维度的第一生态指标要素向量分布进行w轮规模更新及重构，每层重构子模型包括若干个第一窗口化处理模块、若干个第二窗口化处理模块及若干个第三窗口化处理模块，w为正整数；所述对与每个环境指标维度的第一生态指标要素向量分布对应的生态指标要素向量分布簇分别进行规模更新及重构，获得u个环境指标维度的第二生态指标要素向量分布，包括：将所述u个环境指标维度的第一生态指标要素向量分布加载到第1层重构子模型中，得到第1轮重构的u个环境指标维度的第四生态指标要素向量分布；将第k-1轮重构的u个环境指标维度的第四生态指标要素向量分布加载到第k层重构子模型中，得到第k轮重构的u个环境指标维度的第四生态指标要素向量分布，k为整数且大于1小于w；将第p-1轮重构的u个环境指标维度的第四生态指标要素向量分布输入第p层重构子模型中，输出所述u个环境指标维度的第二生态指标要素向量分布。
13.对于一种可能的实施例而言，每层重构子模型还包括去量纲模块，所述将第k-1轮重构的u个环境指标维度的第四生态指标要素向量分布加载到第k层重构子模型中，得到第k轮重构的u个环境指标维度的第四生态指标要素向量分布，包括：调用所述第k层重构子模型的第一窗口化处理模块、第二窗口化处理模块及第三窗口化处理模块，对所述第k-1轮重构的u个环境指标维度的第四生态指标要素向量分布对应的生态指标要素向量分布簇分别进行规模更新及重构，获得所述第k轮重构的u个环境指标维度的过渡指标要素向量分布；调用所述去量纲模块对所述第k轮重构的u个环境指标维度的过渡指标要素向量分布进行去量纲标准化，获得所述第k轮重构的u个环境指标维度的第四生态指标要素向量分布。
14.对于一种可能的实施例而言，所述方法通过人工智能模型实施，所述人工智能模型还包括灾害趋势预测子模型和灾害趋势定位子模型，所述对所述u个环境指标维度的第二生态指标要素向量分布进行环境灾害趋势分析，获得所述待分析环境监测大数据的环境灾害趋势分析结果，包括：将所述u个环境指标维度的第二生态指标要素向量分布加载到所述灾害趋势预测子模型，确定所述待分析环境监测大数据中环境灾害趋势事件对应的环境监测数据集；将所述u个环境指标维度的第二生态指标要素向量分布加载到所述灾害趋势定位子模型，确定出所述待分析环境监测大数据中环境灾害趋势事件对应的灾害主题，所述环境灾害趋势分析结果包含所述环境灾害趋势事件对应的环境监测数据集和所述环境灾害趋势事件对应的灾害主题。
15.本发明还提供了一种电子设备，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述方法。
16.本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在运行时实现上述的方法。
17.本发明的实施例提供的技术方案可以包括以下有益效果。
18.在本发明实施例中，可以对待分析环境监测大数据进行u个环境指标维度的生态
指标要素向量挖掘获得u个环境指标维度的第一生态指标要素向量分布，对每个第一生态指标要素向量分布与其关联的生态指标要素向量分布重构获得u个环境指标维度的第二生态指标要素向量分布，然后对u个环境指标维度的第二生态指标要素向量分布环境灾害趋势分析获得环境灾害趋势分析结果，这样可以实现u个环境指标维度的第一生态指标要素向量分布的关联环境指标维度之间生态指标要素向量的联合分析处理，从而基于更为丰富和完整的环境灾害预测依据进行环境灾害趋势分析，保障环境灾害趋势分析结果的准确性和可信度。
附图说明
19.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并于说明书一起用于解释本发明的原理。
20.图1是本发明实施例提供的一种电子设备的硬件结构示意图。
21.图2是本发明实施例提供的一种应用人工智能的环境监测大数据分析方法的流程示意图。
22.图3是本发明实施例提供的一种应用人工智能的环境监测大数据分析装置的框图。
具体实施方式
23.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
24.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
25.本发明实施例所提供的方法实施例可以在电子设备、计算机设备或者类似的运算装置中执行。以运行在电子设备上为例，图1是本发明实施例的实施应用人工智能的环境监测大数据分析方法的电子设备的硬件结构框图。如图1所示，电子设备10可以包括一个或多个（图1中仅示出一个）处理器102（处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置）和用于存储数据的存储器104，可选地，上述电子设备10还可以包括用于通信功能的传输装置106。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子设备10的结构造成限定。例如，电子设备10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
26.存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的应用人工智能的环境监测大数据分析方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至电子设备10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
27.传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括电子设备10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器（network interface controller，简称为nic），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频（radio frequency，简称为rf）模块，其用于通过无线方式与互联网进行通讯。
28.为解决背景技术存在的技术问题，请结合图2，图2是本发明实施例所提供的一种应用人工智能的环境监测大数据分析方法的流程示意图，应用于电子设备，该方法具体可以包括如下步骤所描述的技术方案。
29.步骤11、对待分析环境监测大数据进行u个环境指标维度的生态指标要素向量挖掘，获得所述待分析环境监测大数据的u个环境指标维度的第一生态指标要素向量分布。
30.对于本发明实施例而言，所述u个环境指标维度的第一生态指标要素向量分布中每个环境指标维度的第一生态指标要素向量分布的规模存在差异，u为大于1的整数。
31.在一些示例下，u个环境指标维度可以包括物理指标维度（比如温度、湿度、风速、降雨量、光照量等），也可以包括化学指标维度（比如土壤酸碱度、雨水酸碱度等），还可以包括微生物指标维度（比如各类细菌、病菌、病毒的统计指标等）。
32.进一步地，生态指标要素向量可以理解为生态环境的监测指标特征，比如特征向量或者特征图，因此，生态指标要素向量分布可以理解为不同环境指标维度下的生态指标要素特征图或者要素向量关系网，生态指标要素向量分布的规模可以理解为生态指标要素向量分布的尺度或者大小。生态指标要素向量的挖掘可以通过ai技术实现。
33.步骤12、对与每个环境指标维度的第一生态指标要素向量分布对应的生态指标要素向量分布簇分别进行规模更新及重构，获得u个环境指标维度的第二生态指标要素向量分布，每个生态指标要素向量分布簇包含所述第一生态指标要素向量分布以及与所述第一生态指标要素向量分布关联的衍生生态指标要素向量分布。
34.对于本发明实施例而言，每个环境指标维度的第一生态指标要素向量分布对应的生态指标要素向量分布簇可以包括与该环境指标维度关联的多个生态指标要素向量分布，而规模更新可以理解为分布尺寸的调整，从而确保后续重构的精度，避免重构过程中由于规模不一致导致的生态指标要素缺失。进一步地，生态指标要素向量分布簇的重构可以理解为对不同生态指标要素向量分布进行融合处理，在一种可能性的实施方式中，与第a个环境指标维度的第一生态指标要素向量分布对应的生态指标要素向量分布簇包括第a-1个环境指标维度的第一生态指标要素向量分布、第a个环境指标维度的第一生态指标要素向量分布及第a+1个环境指标维度的第一生态指标要素向量分布，a为整数且大于1小于u。
35.对于本发明实施例而言，不同环境指标维度的先后顺序可以根据情况进行灵活调整，在此不作限定。
36.基于以上内容，步骤12中对与每个环境指标维度的第一生态指标要素向量分布对应的生态指标要素向量分布簇分别进行规模更新及重构，获得u个环境指标维度的第二生态指标要素向量分布，可以包括如下步骤12a1-步骤12a4所记录内容。
37.步骤12a1、对所述第a-1个环境指标维度的第一生态指标要素向量分布进行规模简化，获得首组第a个环境指标维度的第三生态指标要素向量分布。
38.对于本发明实施例而言，规模简化可以理解为维度缩减，或者特征下采样处理。
39.步骤12a2、对所述第a个环境指标维度的第一生态指标要素向量分布进行规模固定的调整，获得第二组第a个环境指标维度的第三生态指标要素向量分布。
40.对于本发明实施例而言，规模固定的调整可以理解为保持第一生态指标要素向量分布的维度不变然后进行特征调整变换处理。
41.步骤12a3、对所述第a+1个环境指标维度的第一生态指标要素向量分布进行规模扩充，获得第三个第a个环境指标维度的第三生态指标要素向量分布。
42.对于本发明实施例而言，规模扩充可以理解为维度扩展，或者特征上采样处理。
43.步骤12a4、对所述首组第a个环境指标维度的第三生态指标要素向量分布、所述第二组第a个环境指标维度的第三生态指标要素向量分布及第三个第a个环境指标维度的第三生态指标要素向量分布进行重构，获得第a个环境指标维度的第二生态指标要素向量分布。
44.在一些示例下，所述首组第a个环境指标维度的第三生态指标要素向量分布、所述第二组第a个环境指标维度的第三生态指标要素向量分布及第三个第a个环境指标维度的第三生态指标要素向量分布的规模一致。
45.实施以上步骤12a1-步骤12a4所记录内容，通过不同类型的特征维度调整，能够实现生态指标要素向量分布的多样化处理，从而保障重构得到的第二生态指标要素向量分布完整性和丰富程度。
46.在一种可能性的实施方式中，步骤12a1中对所述第a-1个环境指标维度的第一生态指标要素向量分布进行规模简化，获得首组第a个环境指标维度的第三生态指标要素向量分布，可以包括如下内容：调用第一窗口化处理模块对所述第a-1个环境指标维度的第一生态指标要素向量分布进行窗口化处理，获得所述首组第a个环境指标维度的第三生态指标要素向量分布。
47.对于本发明实施例而言，所述第一窗口化处理模块的窗口维度为v*v，间隔周期为v，v、v为大于1的整数，所述第a-1个环境指标维度的第一生态指标要素向量分布的规模与所述第a个环境指标维度的第一生态指标要素向量分布的规模的比值为v。进一步地，窗口化处理模块可以理解为卷积模块或者卷积单元，窗口维度可以理解为卷积核的大小。
48.在一种可能性的实施方式中，步骤12a2中所述对所述第a个环境指标维度的第一生态指标要素向量分布进行规模固定的调整，获得第二组第a个环境指标维度的第三生态指标要素向量分布，可以包括如下内容：调用第二窗口化处理模块对所述第a个环境指标维度的第一生态指标要素向量分布进行窗口化处理，获得所述第二组第a个环境指标维度的第三生态指标要素向量分布，对于本发明实施例而言，所述第二窗口化处理模块的窗口维度为v*v，间隔周期为1。
49.在一种可能性的实施方式中，步骤12a3中对所述第a+1个环境指标维度的第一生态指标要素向量分布进行规模扩充，获得第三个第a个环境指标维度的第三生态指标要素向量分布，可以包括如下内容：调用第三窗口化处理模块及向量扩展模块对所述第a+1个环境指标维度的第一生态指标要素向量分布进行窗口化处理及向量扩展处理，获得所述第三个第a个环境指标维度的第三生态指标要素向量分布。对于本发明实施例而言，所述第三窗口化处理模块的窗口维度为v*v，间隔周期为1。
50.可以理解的是，通过调用窗口化处理模块对生态指标要素向量分布进行处理，能够提高向量重构的精度，避免部分生态指标要素向量在重构过程中出现缺失。
51.在一种可能性的实施方式中，与第1个环境指标维度的第一生态指标要素向量分布对应的生态指标要素向量分布簇包含所述第1个环境指标维度的第一生态指标要素向量分布及第2个环境指标维度的第一生态指标要素向量分布。基于此，步骤12所记录的所述对与每个环境指标维度的第一生态指标要素向量分布对应的生态指标要素向量分布簇分别进行规模更新及重构，获得u个环境指标维度的第二生态指标要素向量分布，可以包括如下步骤12b1-步骤12b3。
52.步骤12b1、对所述第1个环境指标维度的第一生态指标要素向量分布进行规模固定的调整，获得首组第1个环境指标维度的第三生态指标要素向量分布。
53.步骤12b2、对所述第2个环境指标维度的第一生态指标要素向量分布进行规模扩充，获得第二组第1个环境指标维度的第三生态指标要素向量分布。
54.步骤12b3、对所述首组第1个环境指标维度的第三生态指标要素向量分布及所述第二组第1个环境指标维度的第三生态指标要素向量分布进行重构，获得第1个环境指标维度的第二生态指标要素向量分布，其中，所述首组第1个环境指标维度的第三生态指标要素向量分布与所述第二组第1个环境指标维度的第三生态指标要素向量分布的规模一致。
55.实施以上步骤12b1-步骤12b3所记录内容，通过不同类型的特征维度调整，能够实现生态指标要素向量分布的多样化处理，从而保障重构得到的第二生态指标要素向量分布完整性和丰富程度。
56.在一种可能性的实施方式中，步骤12b1中对所述第1个环境指标维度的第一生态指标要素向量分布进行规模固定的调整，获得首组第1个环境指标维度的第三生态指标要素向量分布，可以包括如下内容：调用第二窗口化处理模块对所述第1个环境指标维度的第一生态指标要素向量分布进行窗口化处理，获得所述首组第1个环境指标维度的第三生态指标要素向量分布。
57.对于本发明实施例而言，所述第二窗口化处理模块的窗口维度为v*v，间隔周期为1，v为大于1的整数。
58.在一种可能性的实施方式中，步骤12b2中对所述第2个环境指标维度的第一生态指标要素向量分布进行规模扩充，获得第二组第1个环境指标维度的第三生态指标要素向量分布，可以包括如下内容：调用第三窗口化处理模块及向量扩展模块对所述第2个环境指标维度的第一生态指标要素向量分布进行窗口化处理及向量扩展处理，获得第二组第1个环境指标维度的第三生态指标要素向量分布。
59.对于本发明实施例而言，所述第三窗口化处理模块的窗口维度为v*v，间隔周期为1。
60.在一种可能性的实施方式中，与第u个环境指标维度的第一生态指标要素向量分布对应的生态指标要素向量分布簇包括第u-1个环境指标维度的第一生态指标要素向量分布及所述第u个环境指标维度的第一生态指标要素向量分布。
61.基于此，步骤12所记录的所述对与每个环境指标维度的第一生态指标要素向量分布对应的生态指标要素向量分布簇分别进行规模更新及重构，获得u个环境指标维度的第二生态指标要素向量分布，可以包括如下步骤12c1-步骤12c3所记录的内容。
62.步骤12c1、对所述第u-1个环境指标维度的第一生态指标要素向量分布进行规模简化，获得首组第u个环境指标维度的第三生态指标要素向量分布。
63.步骤12c2、对所述第u个环境指标维度的第一生态指标要素向量分布进行规模固定的调整，获得第二组第u个环境指标维度的第三生态指标要素向量分布。
64.步骤12c3、对所述首组第u个环境指标维度的第三生态指标要素向量分布及所述第二组第u个环境指标维度的第三生态指标要素向量分布进行重构，获得第u个环境指标维度的第二生态指标要素向量分布，对于本发明实施例而言，所述首组第u个环境指标维度的第三生态指标要素向量分布与所述第二组第u个环境指标维度的第三生态指标要素向量分布的规模一致。
65.实施以上步骤12c1-步骤12c3所记录内容，通过不同类型的特征维度调整，能够实现生态指标要素向量分布的多样化处理，从而保障重构得到的第二生态指标要素向量分布完整性和丰富程度。
66.在一种可能性的实施方式中，步骤12c1中对所述第u-1个环境指标维度的第一生态指标要素向量分布进行规模简化，获得首组第u个环境指标维度的第三生态指标要素向量分布，可以包括如下内容：调用第一窗口化处理模块对所述第u-1个环境指标维度的第一生态指标要素向量分布进行窗口化处理，获得所述首组第u个环境指标维度的第三生态指标要素向量分布。
67.对于本发明实施例而言，所述第一窗口化处理模块的窗口维度为v*v，间隔周期为v，v、v为大于1的整数，所述第a-1个环境指标维度的第一生态指标要素向量分布的规模与所述第a个环境指标维度的第一生态指标要素向量分布的规模的比值为v。
68.在一种可能性的实施方式中，步骤12c2中对所述第u个环境指标维度的第一生态指标要素向量分布进行规模固定的调整，获得第二组第u个环境指标维度的第三生态指标要素向量分布，可以包括如下内容：调用第二窗口化处理模块对所述第u个环境指标维度的第一生态指标要素向量分布进行窗口化处理，获得所述第二组第u个环境指标维度的第三生态指标要素向量分布，所述第二窗口化处理模块的窗口维度为v*v，间隔周期为1。
69.在一种实施方式中，所述第二窗口化处理模块及所述第三窗口化处理模块包括动态窗口化处理模块或膨胀窗口化处理模块，比如动态窗口化处理模块可以理解为可变卷积模块，膨胀窗口化处理模块可以理解为空洞卷积模块。
70.在一种可能性的实施方式中，该方法通过人工智能模型实施，所述人工智能模型包括互相连接的w层重构子模型，用作对所述u个环境指标维度的第一生态指标要素向量分布进行w轮规模更新及重构，每层重构子模型包括若干个第一窗口化处理模块、若干个第二窗口化处理模块及若干个第三窗口化处理模块，w为正整数。
71.基于以上内容，步骤12所记录的对与每个环境指标维度的第一生态指标要素向量分布对应的生态指标要素向量分布簇分别进行规模更新及重构，获得u个环境指标维度的第二生态指标要素向量分布，可以包括如下步骤12d1-步骤12d3。
72.步骤12d1、将所述u个环境指标维度的第一生态指标要素向量分布加载到第1层重构子模型中，得到第1轮重构的u个环境指标维度的第四生态指标要素向量分布。
73.步骤12d2、将第k-1轮重构的u个环境指标维度的第四生态指标要素向量分布加载到第k层重构子模型中，得到第k轮重构的u个环境指标维度的第四生态指标要素向量分布，
k为整数且大于1小于w。
74.步骤12d3、将第p-1轮重构的u个环境指标维度的第四生态指标要素向量分布输入第p层重构子模型中，输出所述u个环境指标维度的第二生态指标要素向量分布。
75.应用以上步骤12d1-步骤12d3时，能够通过多层重构处理尽可能保留原始的生态指标要素向量，并尽可能挖掘和衍生出更丰富的生态指标要素向量，保障重构得到的第二生态指标要素向量分布的完整性。
76.在一种可能性的实施方式中，每层重构子模型还包括去量纲模块（归一化函数）。进一步地，步骤12d2中将第k-1轮重构的u个环境指标维度的第四生态指标要素向量分布加载到第k层重构子模型中，得到第k轮重构的u个环境指标维度的第四生态指标要素向量分布，可以包括如下步骤12d21和步骤12d22。
77.步骤12d21、调用所述第k层重构子模型的第一窗口化处理模块、第二窗口化处理模块及第三窗口化处理模块，对所述第k-1轮重构的u个环境指标维度的第四生态指标要素向量分布对应的生态指标要素向量分布簇分别进行规模更新及重构，获得所述第k轮重构的u个环境指标维度的过渡指标要素向量分布。
78.步骤12d22、调用所述去量纲模块对所述第k轮重构的u个环境指标维度的过渡指标要素向量分布进行去量纲标准化，获得所述第k轮重构的u个环境指标维度的第四生态指标要素向量分布。
79.应用步骤12d21和步骤12d22时，能够实现过渡指标要素向量分布的归一化处理，从而提高第四生态指标要素向量分布的精简度，减少运算资源的开销。
80.步骤13、对所述u个环境指标维度的第二生态指标要素向量分布进行环境灾害趋势分析，获得所述待分析环境监测大数据的环境灾害趋势分析结果。
81.对于本发明实施例而言，环境灾害趋势分析可以理解为基于u个环境指标维度的第二生态指标要素向量分布进行环境灾害趋势事件的预测或者模拟，从而得到对应的环境灾害趋势分析结果，该环境灾害趋势分析结果可以在一定程度上反映当前待分析环境监测大数据后续可能造成的环境灾害（比如洪涝、干旱、高温天气、地质滑坡等），从而为环境监测的前瞻性分析提供处理依据。
82.在一种可能性的实施方式中，所述方法通过人工智能模型实施，所述人工智能模型还包括灾害趋势预测子模型和灾害趋势定位子模型、基于此，步骤13所记录的对所述u个环境指标维度的第二生态指标要素向量分布进行环境灾害趋势分析，获得所述待分析环境监测大数据的环境灾害趋势分析结果，可以包括如下步骤131和步骤132。
83.步骤131、将所述u个环境指标维度的第二生态指标要素向量分布加载到所述灾害趋势预测子模型，确定所述待分析环境监测大数据中环境灾害趋势事件对应的环境监测数据集。
84.举例而言，灾害趋势预测子模型可以是回归模型。
85.步骤132、将所述u个环境指标维度的第二生态指标要素向量分布加载到所述灾害趋势定位子模型，确定出所述待分析环境监测大数据中环境灾害趋势事件对应的灾害主题，所述环境灾害趋势分析结果包含所述环境灾害趋势事件对应的环境监测数据集和所述环境灾害趋势事件对应的灾害主题。
86.举例而言，灾害趋势定位子模型可以是分类器或者支持向量机，灾害主题可以理
解为灾害类别，基于此，能够通过灾害趋势预测子模型进行环境灾害趋势事件的环境监测数据集的初步捕捉，然后结合灾害趋势定位子模型进行进一步的环境灾害趋势事件定位，从而准确完整地得到所述环境灾害趋势事件对应的环境监测数据集和所述环境灾害趋势事件对应的灾害主题，确保环境灾害趋势分析结果的准确性和可靠性。
87.综上，在本发明实施例中，可以对待分析环境监测大数据进行u个环境指标维度的生态指标要素向量挖掘获得u个环境指标维度的第一生态指标要素向量分布，对每个第一生态指标要素向量分布与其关联的生态指标要素向量分布重构获得u个环境指标维度的第二生态指标要素向量分布，然后对u个环境指标维度的第二生态指标要素向量分布环境灾害趋势分析获得环境灾害趋势分析结果，这样可以实现u个环境指标维度的第一生态指标要素向量分布的关联环境指标维度之间生态指标要素向量的联合分析处理，从而基于更为丰富和完整的环境灾害预测依据进行环境灾害趋势分析，保障环境灾害趋势分析结果的准确性和可信度。
88.在上述基础上，请结合图3，本发明还提供了一种应用人工智能的环境监测大数据分析装置30框图，所述装置包括以下功能模块。
89.生态指标挖掘模块31，用于对待分析环境监测大数据进行u个环境指标维度的生态指标要素向量挖掘，获得所述待分析环境监测大数据的u个环境指标维度的第一生态指标要素向量分布。
90.生态指标更新模块32，用于对与每个环境指标维度的第一生态指标要素向量分布对应的生态指标要素向量分布簇分别进行规模更新及重构，获得u个环境指标维度的第二生态指标要素向量分布，每个生态指标要素向量分布簇包含所述第一生态指标要素向量分布以及与所述第一生态指标要素向量分布关联的衍生生态指标要素向量分布。
91.灾害趋势分析模块33，用于对所述u个环境指标维度的第二生态指标要素向量分布进行环境灾害趋势分析，获得所述待分析环境监测大数据的环境灾害趋势分析结果。
92.进一步地，还提供了一种可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。
93.以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。