天內的污染氣體類別和濃度。
[0121]本申請的上述實施例中，通過提供一種基于云計算的電子鼻空氣質量監測系統及其方法，設置有電子鼻云終端、云監控中心、手機用戶端，所述云監控中心配置有模式識別網絡、濃度計算網絡、污染源定位網絡、空氣質量預報網絡，本系統融合了電子鼻、云計算、物聯網、清潔能源、人工神經網絡等技術，實時采集并存儲各監測點的空氣質量及位置信息，運用算法處理后得到各監測點污染氣體類別、濃度、污染源位置及空氣質量預報等信息，最后將結果推送至手機用戶端，從而實現了大范圍、大規模的空氣質量遠程實時監測及預報功能，監測結果精準，監測功能強大。
[0122]應當指出的是，上述說明并非是對本發明的限制，本發明也并不僅限于上述舉例，本技術領域的普通技術人員在本發明的實質范圍內所做出的變化、改性、添加或替換，也應屬于本發明的保護范圍。
【主權項】
1.一種基于云計算的電子鼻空氣質量監測系統，其特征在于，包括云監控中心、手機用戶端以及在每個監測點設置的一個電子鼻云終端，所述云監控中心搭建在云服務器平臺上，所述云監控中心一邊通過無線通信網絡與所述電子鼻云終端相連，另一邊與所述手機用戶端相連，所述云監控中心配置有模式識別網絡、濃度計算網絡、污染源定位網絡、空氣質量預報網絡，其中模式識別網絡用于判斷氣體類別，濃度計算網絡用于計算氣體濃度，污染源定位網絡用于預測污染源的位置，空氣質量預報網絡用于預測監測點未來的空氣質量，所述云監控中心接收所述電子鼻云終端發送來的傳感器響應信號及監測點的位置、溫度、濕度信息，通過模式識別網絡、濃度計算網絡、污染源定位網絡、空氣質量預報網絡進行運算處理后，將得到的各類氣體的濃度監測結果、污染源定位結果、空氣質量預報結果推送至所述手機用戶端。
2.根據權利要求1所述的基于云計算的電子鼻空氣質量監測系統，其特征在于，所述電子鼻云終端包括微處理器、氣體傳感器陣列、A/D轉換模塊、GPS模塊、無線通信模塊、溫度傳感器、濕度傳感器、存儲模塊、供電模塊，其中所述氣體傳感器陣列將檢測到的氣體信息轉化為電信號輸出到所述A/D轉換模塊，所述A/D轉換模塊將模擬信號轉換為數字信號輸出到所述微處理器，所述GPS模塊用于獲取監測點的位置信息，所述溫度傳感器用于檢測監測點的溫度，所述濕度傳感器用于檢測監測點的濕度，所述微處理器控制所述無線通信模塊將傳感器響應信號及監測點的位置、溫度、濕度信息發送至所述云監控中心，所述供電模塊為所述電子鼻云終端供電，所述存儲模塊用于存儲所述電子鼻云終端的數據信息。
3.根據權利要求2所述的基于云計算的電子鼻空氣質量監測系統，所述供電模塊采用太陽能電池板供電。
4.如權利要求1所述的基于云計算的電子鼻空氣質量監測系統的監測方法，其特征在于，包括以下步驟: 51:給分布于不同監測點的電子鼻云終端編號，并下載相應編號的程序； 52:登陸云服務器賬號，打開所述云監控中心的服務程序； 53:所述電子鼻云終端通過無線通信模塊自動注冊到移動網絡，設定傳輸方式、IP地址、端口號并進行網絡連接，發送以下數據:電子鼻云終端編號、各傳感器的響應信號、經瑋度信息、溫度信息、濕度信息； 54:所述云監控中心將接收到的數據添加時間標簽后存儲于數據庫中； 55:所述云監控中心調用算法子程序進行算法處理，計算相應監測點的各類氣體的濃度監測結果、污染源定位結果、空氣質量預報結果，并推送至所述手機用戶端； S6:用戶打開手機用戶端的APP，接收并查看各監測點當前的空氣質量信息、污染源位置以及未來空氣質量預報。
5.根據權利要求4所述的基于云計算的電子鼻空氣質量監測系統的監測方法，其特征在于，步驟S5具體包括以下步驟: S5.1:構建模式識別網絡，并利用樣本數據進行訓練，通過訓練后的模式識別網絡對氣體類別進行判斷； S5.2:構建濃度計算網絡，并利用樣本數據進行訓練，通過訓練后的濃度計算網絡對氣體濃度進行計算； S5.3:所述云監控中心調用所有監測點的位置信息及污染氣體濃度信息，繪制污染梯度圖，并通過污染源定位網絡預測污染源位置； S5.4:調用數據庫中的歷史數據，訓練用于空氣質量預報的人工神經網絡，通過所述空氣質量預報網絡預報監測點未來的空氣質量。
6.根據權利要求5所述的基于云計算的電子鼻空氣質量監測系統的監測方法，其特征在于，所述模式識別網絡采用Fisher線性判別法與人工神經網絡/支持向量機相結合的混合模式識別網絡，所述模式識別網絡的具體訓練步驟如下: S5.1.1:將采集到的傳感器響應信號進行濾波、歸一化預處理； S5.1.2:通過Fisher線性判別法對氣體進行預分類； S5.1.3:設計多個人工神經網絡/支持向量機子分類器，將所有人工神經網絡/支持向量機子分類器的結果按“一對一”機制進行投票，作出最終判決；其中，“一對一”是在任意兩類樣本之間設計一個人工神經網絡/支持向量機子分類器，當對一個未知樣本進行分類時，最后得票最多的類別即為該未知樣本的類別。
7.根據權利要求5所述的基于云計算的電子鼻空氣質量監測系統的監測方法，其特征在于，所述濃度計算網絡為智能算法優化的人工神經網絡，所述濃度計算網絡的具體訓練步驟如下: S5.2.1:將采集到的傳感器響應信號進行濾波、歸一化預處理； S5.2.2:通過樣本子集選擇法將數據集劃分為訓練樣本集、測試樣本集和驗證樣本集; S5.2.3:通過訓練樣本集和測試樣本集結合人工智能算法不斷優化人工神經網絡的權值和訓練誤差及泛化誤差，得到最優的濃度計算權值； S5.2.4:通過驗證樣本集來驗證訓練得到的網絡，根據輸出的預測精度來判斷該網絡是否可用。
8.根據權利要求5所述的基于云計算的電子鼻空氣質量監測系統的監測方法，其特征在于，所述污染源定位網絡為智能算法優化的人工神經網絡，所述污染源定位網絡的具體訓練步驟如下: S5.3.1:將各個監測點的監測結果:氣體類別、濃度、經度、維度進行歸一化預處理； S5.3.2:通過樣本子集選擇法將數據集劃分為訓練樣本集、測試樣本集和驗證樣本集; S5.3.3:通過訓練樣本集和測試樣本集結合人工智能算法不斷優化人工神經網絡的權值和訓練誤差及泛化誤差，得到最優的濃度計算權值； S5.3.4:通過驗證樣本集來驗證訓練得到的網絡，根據輸出的預測精度來判斷該網絡是否可用。
9.根據權利要求5所述的基于云計算的電子鼻空氣質量監測系統的監測方法，其特征在于，所述空氣質量預報網絡為智能算法優化的人工神經網絡，所述空氣質量預報網絡分為短期空氣質量預報網絡和長期空氣質量預報網絡。
10.根據權利要求9所述的基于云計算的電子鼻空氣質量監測系統的監測方法，其特征在于，所述短期空氣質量預報網絡和長期空氣質量預報網絡的具體訓練步驟如下: S5.4.1:將各個監測點的歷史監測結果:氣體類別、濃度進行歸一化預處理； S5.4.2:通過樣本子集選擇法將數據集劃分為訓練樣本集、測試樣本集和驗證樣本 集; S5.4.3:通過訓練樣本集和測試樣本集結合人工智能算法不斷優化人工神經網絡的權值和訓練誤差及泛化誤差，得到最優的濃度計算權值； S5.4.4:通過驗證樣本集來驗證訓練得到的網絡，根據輸出的預測精度來判斷該網絡是否可用。
【專利摘要】本發明提供了一種基于云計算的電子鼻空氣質量監測系統及其方法，系統設置有電子鼻云終端、云監控中心、手機用戶端，所述云監控中心配置有模式識別網絡、濃度計算網絡、污染源定位網絡、空氣質量預報網絡，本系統融合了電子鼻、云計算、物聯網、清潔能源、人工神經網絡等技術，實時采集并存儲各監測點的空氣質量及位置信息，運用算法處理后得到各監測點污染氣體類別、濃度、污染源位置及空氣質量預報等信息，最后將結果推送至手機用戶端，從而實現了大范圍、大規模的空氣質量遠程實時監測及預報功能，監測結果精準，監測功能強大。
【IPC分類】H04L29-08, G01N35-00, G01N33-00
【公開號】CN104820072
【申請號】CN201510216545
【發明人】田逢春, 謝鑫, 張健, 呂博, 黃揚帆, 陳建軍, 楊先一, 廖海林, 陳小娟
【申請人】重慶大學, 重慶固仁科技有限公司
【公開日】2015年8月5日
【申請日】2015年4月30日