买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于深度学习的端到端城市环境监测方法，包括数据采集、数据编码、城市环境质量深度学习模型和模型训练；本发明属于环境测量、深度学习技术领域，具体为一种基于深度学习的端到端城市环境监测方法，本发明的优点为：对环境监测使用多源数据采集方法，采用云端计算来进行数据采集和数据处理，根据注意力机制提出城市环境质量深度学习模型，数据来源丰富，全面反映城市的环境质量，有效利用计算资源，根据采集的环境数据和相互关联关系，给出准确的环境评价。

主权项：1.一种基于深度学习的端到端城市环境监测方法，包括数据采集、数据编码、城市环境质量深度学习模型和模型训练；所述数据采集包括空气质量数据采集、水质数据采集、噪声数据采集、植被覆盖率采集、温度数据采集五个部分；采集到的数据通过网络传输至云端；所述数据编码包括对云端接收到的数据进行归一化处理：对空气质量数据进行归一化处理的过程是：针对每一类的空气质量数据，计算每类数据的归一化数据：Aix=BixMix,i∈[1,7]，其中，对于位置x处的第i类数据，Bix为当前实测浓度，Mix为观测到的历史浓度最大值；下标i∈[1,7]从小到大依次表示二氧化硫浓度、二氧化氮浓度、一氧化碳浓度、臭氧浓度、二氧化碳浓度、PM2.5浓度和PM10浓度；下标x表示位置索引，x∈[1,X]，X是空气质量传感器总个数；对水质数据进行归一化处理的过程是：针对每一类的水质数据，计算每类数据的归一化数据：Wjy=CjySjy,j∈[1,6]，其中，对于位置y处的第j类数据，Cjy为当前实测浓度，Sjy为历史最大浓度；下标j∈[1,6]从小到大依次表示化学需氧量、酸碱度、氨氮、总麟、总氮、酸碱度和溶解氧，下标y表示位置索引，y∈[1,Y]，Y是水质传感器的总个数；对噪音数据进行归一化处理的过程是：Ak=DkNk，其中，Dk为位置k处的实测分贝数，Nk为设定最大分贝数，下标k表示位置索引，k∈[1,K]，K是噪音传感器的总个数；对温度数据进行归一化操作，将当前实测温度数据Tm除以100摄氏度，得到归一化温度值，所述Tm表示位置m处的温度，m是位置索引，m∈[1,M]，M是噪音传感器的总个数；所述城市环境质量深度学习模型包括：所述城市环境质量深度学习模型的输入包括空气质量向量、水质向量、植被覆盖率、噪音向量和温度向量；所述城市环境质量深度学习模型的输入顺序为空气质量向量、水质向量、植被覆盖率、噪音向量和温度向量，并按行拼接，得到融合矩阵F；通过城市环境质量深度学习模型的计算得到维度为10的概率预测结果，概率预测结果的每个分量的值介于0到1之间，所有分量之和为1，取预测结果中最大分量的值作为最终城市环境评价结果，基于所述评价结果获取对应的评分结果类别；所述模型训练包括以下几个步骤：A1、自定义城市环境评价等级：根据搜集的城市样本数据，专家、学者及专业人员对指定城市进行城市环境评分，并进行加权计算，得到环境评价分数；A2，数据集制作，根据搜集的的城市样本数据以及对应的环境评价分数，制作数据集，用于城市环境质量深度学习模型的模型训练；A3、模型训练，将样本数据输入到城市环境质量深度学习模型中，根据模型输出和样本标签差异进行方向传播和迭代计算，当模型输出和样本标签一致的正确率达到最大值时，停止训练，模型训练完毕。

全文数据：

权利要求：

百度查询： 江苏省南京环境监测中心 一种基于深度学习的端到端城市环境监测方法