[发明专利]基于人工蜂群和神经网络的气体标定分类方法及系统

说明书

本发明公开一种基于人工蜂群和神经网络的气体标定分类方法，包括：获取气体监测数据；将气体监测数据根据时间段进行切分处理，得到每个时间段的气体数据集；判断所述气体数据集中的野值点，将所有野值点转换为正常数据值，去除气体数据集中的空值点以及超范围点，通过去除气体数据集中的空值点以及超范围点之后的数据集和正常数据值组成新气体数据集；采用人工蜂群算法对所述神经网络分类模型进行优化，将待测气体监测数据输入至精准的神经网络分类模型中，得到气体分类结果，根据分类结果对气体进行标定。通过本发明的方法和系统，将人工蜂群算法和神经网络算法相互结合，能精确的预测出气体中是否含有有害气体的趋势，预测结果精准。

技术领域

本发明涉及大数据人工智能技术领域，尤其涉及一种基于人工蜂群和神经网络的气体标定分类方法及系统。

背景技术

随着工业化科技的发展，现有的气体排放被监测的很好，而传统的监测都是通过气体采集之后，然后通过人工测算，才知道气体中包含多少种气体，并且这些气体的种类是怎样，这样的测算方式，只能根据排放结果获得，而不能进行预测，排放的气体种类多了势必会污染环境，然后再对污染的环境进行清理，会造成资源的浪费。本发明是针对这种测算进行改进的，结合大数据人工智能方式，对气体预算出分类结果，达到预测的目的。

发明内容

本发明针对现有技术中的缺点，提供了一种基于人工蜂群和神经网络的监测有害气体预测方法及系统。

为了解决上述技术问题，本发明通过下述技术方案得以解决：

一种基于人工蜂群和神经网络的气体标定分类方法，包括以下步骤：

获取若干个气体监测点的气体监测数据，获取到的所述气体监测数据为多种类型气体的数据，至少包括单原子气体、双原子气体、三原子气体和多分子气体；

将气体监测数据根据时间段进行切分处理，得到每个时间段的气体数据集；

判断所述气体数据集中的野值点并统计野值点的个数，将所有野值点转换为正常数据值，去除气体数据集中的空值点以及超范围点，通过去除气体数据集中的空值点以及超范围点之后的数据集和正常数据值组成新气体数据集，并将新气体数据集分成训练集和样本集；

基于所述样本集建立神经网络分类模型，采用人工蜂群算法对所述神经网络分类模型进行优化，得到优化后的神经网络分类模型，并采用训练集对优化后的神经网络分类模型进行验证，判断是否为误差范围内的精准神经网络分类模型，将待测气体监测数据输入至精准的神经网络分类模型中，得到气体分类结果，根据分类结果对气体进行标定。

作为一种可实施方式，所述获取若干个气体监测点的气体监测数据是由相应数量的气体传感器获取到的。

作为一种可实施方式，所述判断所述数据集中的野值点是采用卡尔曼滤波算法识别数据集中的野值点，具体步骤为：

假设后验概率分布p(x_k-1|y_1:k-1)为高斯分布，则k时刻的系统状态表示为x_k＝Ax_k-1+Bu_k-1+q_k-1，k时刻的测量值表示为y_k＝Hx_k+r_k，其中，u_k是k时刻对系统的控制量，u_k-1是k-1时刻对系统的控制量，A为系统k-1时刻的系统状态的参数矩阵，B为系统k-1时刻的控制量的参数矩阵，H为系统k时刻的系统状态的参数矩阵，q_k-1表示过程噪声，r_k表示测量噪声，用Q_k-1表示过程噪声q_k-1与系统状态x_k的协方差矩阵，R_k表示测量噪声r_k与测量值y_k的协方差矩阵；