本發(fā)明涉及環(huán)境污染監(jiān)測(cè)領(lǐng)域，具體是一種環(huán)境污染在線監(jiān)測(cè)方法和系統(tǒng)。

背景技術(shù)：

1、隨著城市化進(jìn)程的加快和機(jī)動(dòng)車數(shù)量的快速增加，停車場(chǎng)尤其是地下停車場(chǎng)的空氣污染問題日益嚴(yán)重。地下停車場(chǎng)由于其封閉或半封閉的空間結(jié)構(gòu)，通風(fēng)條件相對(duì)較差，污染物（如一氧化碳、氮氧化物、顆粒物等）容易滯留，特別是在高峰停車時(shí)段和空氣流動(dòng)性較差的情況下，尾氣污染會(huì)顯著積聚，對(duì)停車場(chǎng)內(nèi)的空氣質(zhì)量和人們的健康構(gòu)成威脅。

2、目前的停車場(chǎng)空氣質(zhì)量監(jiān)測(cè)方法多依賴單點(diǎn)監(jiān)測(cè)數(shù)據(jù)，未能充分反映污染物在不同區(qū)域的分布情況，尤其在大型地下停車場(chǎng)中，單一監(jiān)測(cè)點(diǎn)難以涵蓋整個(gè)空間的污染情況。同時(shí)，傳統(tǒng)監(jiān)測(cè)系統(tǒng)的預(yù)測(cè)能力有限，對(duì)于污染物擴(kuò)散趨勢(shì)的實(shí)時(shí)預(yù)測(cè)不足，無法有效判斷短時(shí)內(nèi)可能出現(xiàn)的高濃度滯留點(diǎn)。這種不足會(huì)影響預(yù)警系統(tǒng)的及時(shí)性和準(zhǔn)確性，從而限制了相應(yīng)的通風(fēng)和治理措施的效果。

3、因此，亟需一種環(huán)境污染在線監(jiān)測(cè)方法，以實(shí)現(xiàn)在停車場(chǎng)內(nèi)的空氣污染進(jìn)行實(shí)時(shí)監(jiān)測(cè)，從而優(yōu)化空氣質(zhì)量管理，保障人員健康。

技術(shù)實(shí)現(xiàn)思路

1、（1）要解決的技術(shù)問題

2、本發(fā)明的目的在于提供一種環(huán)境污染在線監(jiān)測(cè)方法和系統(tǒng)，以解決對(duì)停車場(chǎng)內(nèi)污染物監(jiān)測(cè)不夠全面，無法及時(shí)有效地預(yù)測(cè)污染物濃度以及判定污染物的高濃度區(qū)域，導(dǎo)致系統(tǒng)無法及時(shí)優(yōu)化管理空氣質(zhì)量，保障人員健康的問題。

3、（2）技術(shù)方案

4、為實(shí)現(xiàn)上述目的，一方面，本發(fā)明提供了一種環(huán)境污染在線監(jiān)測(cè)方法，所述方法包括：

5、步驟1，通過停車場(chǎng)區(qū)域布設(shè)的傳感器實(shí)時(shí)采集停車場(chǎng)內(nèi)部空氣中的污染物濃度數(shù)據(jù)，將所述污染物濃度數(shù)據(jù)通過數(shù)據(jù)預(yù)處理得到污染物濃度預(yù)處理數(shù)據(jù)；所述數(shù)據(jù)預(yù)處理包括數(shù)據(jù)濾波、異常值剔除和時(shí)間序列同步處理。

6、步驟2，通過卷積神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短期記憶網(wǎng)絡(luò)構(gòu)建多變量時(shí)空預(yù)測(cè)模型，將所述污染物濃度預(yù)處理數(shù)據(jù)根據(jù)所述多變量時(shí)空預(yù)測(cè)模型提取污染物擴(kuò)散的空間分布特征和時(shí)間特征并對(duì)污染物擴(kuò)散的時(shí)空趨勢(shì)進(jìn)行綜合分析得到污染物濃度的擴(kuò)散趨勢(shì)，根據(jù)所述擴(kuò)散趨勢(shì)得到污染物預(yù)測(cè)濃度。

7、步驟3，將所述污染物預(yù)測(cè)濃度與預(yù)設(shè)的安全濃度閾值進(jìn)行數(shù)據(jù)分析，當(dāng)所述污染物預(yù)測(cè)濃度大于預(yù)設(shè)的安全濃度閾值，則觸發(fā)報(bào)警并進(jìn)行通風(fēng)操作。

8、進(jìn)一步地，所述步驟2中，將所述污染物濃度預(yù)處理數(shù)據(jù)根據(jù)所述多變量時(shí)空預(yù)測(cè)模型提取污染物擴(kuò)散的空間分布特征和時(shí)間特征的方法包括：

9、將停車場(chǎng)區(qū)域劃分為預(yù)設(shè)數(shù)量的網(wǎng)格單元，將布設(shè)傳感器的網(wǎng)格單元記為監(jiān)測(cè)網(wǎng)格單元；獲取監(jiān)測(cè)網(wǎng)格單元的污染物濃度數(shù)據(jù)并通過克里金插值法得到所有網(wǎng)格單元的污染物濃度數(shù)據(jù)，將所述所有網(wǎng)格單元的污染物濃度數(shù)據(jù)輸入卷積神經(jīng)網(wǎng)絡(luò)，通過卷積神經(jīng)網(wǎng)絡(luò)的特征提取層生成污染物特征圖像，根據(jù)所述污染物特征圖像生成污染物濃度的空間分布數(shù)據(jù)，所述污染物濃度的空間分布數(shù)據(jù)即污染物擴(kuò)散的空間分布特征。

10、獲取所述監(jiān)測(cè)網(wǎng)格單元在多個(gè)時(shí)段內(nèi)的污染物濃度數(shù)據(jù)并形成時(shí)間序列數(shù)據(jù)集；將所述時(shí)間序列數(shù)據(jù)集通過長(zhǎng)短期記憶網(wǎng)絡(luò)生成污染物擴(kuò)散的時(shí)間序列模型；通過所述時(shí)間序列模型對(duì)未來時(shí)段內(nèi)的污染物濃度進(jìn)行預(yù)測(cè)得到污染物濃度的變化趨勢(shì)，所述污染物濃度的變化趨勢(shì)即污染物擴(kuò)散的時(shí)間特征。

11、進(jìn)一步地，所述步驟3中，當(dāng)所述污染物預(yù)測(cè)濃度大于預(yù)設(shè)的安全濃度閾值，則觸發(fā)報(bào)警并進(jìn)行通風(fēng)操作包括：

12、獲取停車場(chǎng)區(qū)域測(cè)量的氣流參數(shù)，將所述氣流參數(shù)通過仿真軟件模擬生成仿真氣流模擬數(shù)據(jù)；將所述仿真氣流模擬數(shù)據(jù)標(biāo)準(zhǔn)化為網(wǎng)格格式得到標(biāo)準(zhǔn)氣流模擬數(shù)據(jù)；所述氣流參數(shù)包括風(fēng)速、風(fēng)向、湍流強(qiáng)度。

13、獲取當(dāng)前時(shí)刻所有網(wǎng)格單元的污染物濃度數(shù)據(jù)并記為第一污染物濃度數(shù)據(jù)，將所述第一污染物濃度數(shù)據(jù)與標(biāo)準(zhǔn)氣流模擬數(shù)據(jù)通過對(duì)流擴(kuò)散方程計(jì)算得到每個(gè)網(wǎng)格單元在下一時(shí)刻的污染物濃度預(yù)測(cè)數(shù)據(jù)并記為第二污染物濃度數(shù)據(jù)。

14、獲取下一時(shí)刻所有網(wǎng)格單位的污染物濃度數(shù)據(jù)并記為第三污染物濃度數(shù)據(jù)，將所述第三污染物濃度數(shù)據(jù)與所述第二污染物濃度數(shù)據(jù)進(jìn)行逐點(diǎn)匹配并計(jì)算每個(gè)網(wǎng)格單元的濃度差值，根據(jù)所述濃度差值分析污染物濃度的變化趨勢(shì)；當(dāng)所述濃度差值為正值，則污染物濃度在網(wǎng)格單元內(nèi)為增長(zhǎng)趨勢(shì)；當(dāng)所述濃度差值為負(fù)值，則污染物濃度在網(wǎng)格單元內(nèi)為下降趨勢(shì)；當(dāng)所述濃度差值為正值且大于預(yù)設(shè)的濃度差值閾值時(shí)，則將所述濃度差值對(duì)應(yīng)的網(wǎng)格單元記為污染物顯著變化區(qū)域；根據(jù)所述污染物顯著變化區(qū)域生成污染物初始擴(kuò)散路徑圖，將所述污染物初始擴(kuò)散路徑圖通過空間平滑處理得到污染物最終擴(kuò)散路徑圖。

15、通過所述污染物最終擴(kuò)散路徑圖識(shí)別停車場(chǎng)區(qū)域內(nèi)污染物的滯留區(qū)域，并在所述污染物擴(kuò)散路徑圖上標(biāo)記所述滯留區(qū)域?yàn)闇酎c(diǎn)，并將所述滯留點(diǎn)作為通風(fēng)操作的重點(diǎn)監(jiān)測(cè)對(duì)象；所述滯留區(qū)域?yàn)榫W(wǎng)格單元的濃度差值大于預(yù)設(shè)的濃度差值閾值且持續(xù)時(shí)間大于預(yù)設(shè)的安全時(shí)間閾值。

16、進(jìn)一步地，所述步驟3中，當(dāng)所述污染物預(yù)測(cè)濃度大于預(yù)設(shè)的安全濃度閾值，則觸發(fā)報(bào)警并進(jìn)行通風(fēng)操作還包括：

17、獲取停車場(chǎng)區(qū)域的歷史污染物濃度預(yù)處理數(shù)據(jù)，將所述歷史污染物濃度預(yù)處理數(shù)據(jù)根據(jù)預(yù)設(shè)的時(shí)間窗口進(jìn)行劃分得到第一數(shù)據(jù)，將所述第一數(shù)據(jù)進(jìn)行歸一化處理得到第二數(shù)據(jù)，將所述第二數(shù)據(jù)通過皮爾遜相關(guān)系數(shù)分析污染物之間的相關(guān)系數(shù)并生成污染物之間的相關(guān)系數(shù)矩陣；所述相關(guān)系數(shù)用于判斷污染物之間是否存在協(xié)同擴(kuò)散效應(yīng)。

18、將所述相關(guān)系數(shù)矩陣中的相關(guān)系數(shù)與預(yù)設(shè)的相關(guān)閾值進(jìn)行數(shù)據(jù)分析，當(dāng)所述相關(guān)系數(shù)大于預(yù)設(shè)的相關(guān)閾值時(shí)，則判斷污染物之間存在協(xié)同擴(kuò)散效應(yīng)并記為高關(guān)聯(lián)性污染物，當(dāng)所述高關(guān)聯(lián)性污染物濃度在同一時(shí)間窗口內(nèi)均大于對(duì)應(yīng)污染物預(yù)設(shè)的安全濃度閾值時(shí)，則提升報(bào)警等級(jí)。

19、進(jìn)一步地，所述步驟3中，當(dāng)所述污染物預(yù)測(cè)濃度大于預(yù)設(shè)的安全濃度閾值，則觸發(fā)報(bào)警并進(jìn)行通風(fēng)操作還包括：

20、獲取污染物濃度歷史監(jiān)測(cè)數(shù)據(jù)，并按照時(shí)間順序構(gòu)建高關(guān)聯(lián)性污染物的歷史相關(guān)系數(shù)時(shí)間序列數(shù)據(jù)，將所述歷史相關(guān)系數(shù)時(shí)間序列數(shù)據(jù)通過長(zhǎng)短期記憶網(wǎng)絡(luò)訓(xùn)練得到相關(guān)系數(shù)預(yù)測(cè)模型。

21、獲取污染物濃度在最近的預(yù)設(shè)時(shí)間窗口內(nèi)的相關(guān)系數(shù)數(shù)據(jù)，并將所述相關(guān)系數(shù)數(shù)據(jù)通過相關(guān)系數(shù)預(yù)測(cè)模型預(yù)測(cè)得到未來多個(gè)預(yù)設(shè)的預(yù)測(cè)時(shí)間步長(zhǎng)的相關(guān)系數(shù)預(yù)測(cè)結(jié)果；將所述相關(guān)系數(shù)預(yù)測(cè)結(jié)果通過數(shù)據(jù)分析得到相關(guān)系數(shù)的變化趨勢(shì)曲線，當(dāng)所述變化趨勢(shì)曲線呈增長(zhǎng)趨勢(shì)且所述相關(guān)系數(shù)預(yù)測(cè)結(jié)果均大于預(yù)設(shè)的相關(guān)性閾值，則判斷污染物之間存在顯著協(xié)同擴(kuò)散效應(yīng)并記為協(xié)同擴(kuò)散風(fēng)險(xiǎn)；當(dāng)監(jiān)測(cè)存在協(xié)同擴(kuò)散風(fēng)險(xiǎn)時(shí)，則對(duì)通風(fēng)操作進(jìn)行預(yù)啟動(dòng)。

22、基于同一發(fā)明構(gòu)思，本發(fā)明還提供了一種環(huán)境污染在線監(jiān)測(cè)系統(tǒng)，所述系統(tǒng)包括：污染物濃度數(shù)據(jù)采集和預(yù)處理模塊、污染物預(yù)測(cè)濃度預(yù)測(cè)模塊、污染物預(yù)測(cè)濃度判定和管理模塊，各個(gè)模塊之間依次通訊連接；

23、污染物濃度數(shù)據(jù)采集和預(yù)處理模塊，用于通過停車場(chǎng)區(qū)域布設(shè)的傳感器實(shí)時(shí)采集停車場(chǎng)內(nèi)部空氣中的污染物濃度數(shù)據(jù)，將所述污染物濃度數(shù)據(jù)通過數(shù)據(jù)預(yù)處理得到污染物濃度預(yù)處理數(shù)據(jù)；所述數(shù)據(jù)預(yù)處理包括數(shù)據(jù)濾波、異常值剔除和時(shí)間序列同步處理。

24、污染物預(yù)測(cè)濃度預(yù)測(cè)模塊，用于通過卷積神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短期記憶網(wǎng)絡(luò)構(gòu)建多變量時(shí)空預(yù)測(cè)模型，將所述污染物濃度預(yù)處理數(shù)據(jù)根據(jù)所述多變量時(shí)空預(yù)測(cè)模型提取污染物擴(kuò)散的空間分布特征和時(shí)間特征并對(duì)污染物擴(kuò)散的時(shí)空趨勢(shì)進(jìn)行綜合分析得到污染物濃度的擴(kuò)散趨勢(shì)，根據(jù)所述擴(kuò)散趨勢(shì)得到污染物預(yù)測(cè)濃度。

25、污染物預(yù)測(cè)濃度判定和管理模塊，用于將所述污染物預(yù)測(cè)濃度與預(yù)設(shè)的安全濃度閾值進(jìn)行數(shù)據(jù)分析，當(dāng)所述污染物預(yù)測(cè)濃度大于預(yù)設(shè)的安全濃度閾值，則觸發(fā)報(bào)警并進(jìn)行通風(fēng)操作。

26、進(jìn)一步地，所述污染物預(yù)測(cè)濃度預(yù)測(cè)模塊包括：

27、空間分布特征分析模塊，用于將停車場(chǎng)區(qū)域劃分為預(yù)設(shè)數(shù)量的網(wǎng)格單元，將布設(shè)傳感器的網(wǎng)格單元記為監(jiān)測(cè)網(wǎng)格單元；獲取監(jiān)測(cè)網(wǎng)格單元的污染物濃度數(shù)據(jù)并通過克里金插值法得到所有網(wǎng)格單元的污染物濃度數(shù)據(jù)，將所述所有網(wǎng)格單元的污染物濃度數(shù)據(jù)輸入卷積神經(jīng)網(wǎng)絡(luò)，通過卷積神經(jīng)網(wǎng)絡(luò)的特征提取層生成污染物特征圖像，根據(jù)所述污染物特征圖像生成污染物濃度的空間分布數(shù)據(jù)，所述污染物濃度的空間分布數(shù)據(jù)即污染物擴(kuò)散的空間分布特征。

28、時(shí)間特征分析模塊，用于獲取所述監(jiān)測(cè)網(wǎng)格單元在多個(gè)時(shí)段內(nèi)的污染物濃度數(shù)據(jù)并形成時(shí)間序列數(shù)據(jù)集；將所述時(shí)間序列數(shù)據(jù)集通過長(zhǎng)短期記憶網(wǎng)絡(luò)生成污染物擴(kuò)散的時(shí)間序列模型；通過所述時(shí)間序列模型對(duì)未來時(shí)段內(nèi)的污染物濃度進(jìn)行預(yù)測(cè)得到污染物濃度的變化趨勢(shì)，所述污染物濃度的變化趨勢(shì)即污染物擴(kuò)散的時(shí)間特征。

29、進(jìn)一步地，所述污染物預(yù)測(cè)濃度判定和管理模塊還包括：

30、標(biāo)準(zhǔn)氣流模擬數(shù)據(jù)計(jì)算模塊，用于獲取停車場(chǎng)區(qū)域測(cè)量的氣流參數(shù)，將所述氣流參數(shù)通過仿真軟件模擬生成仿真氣流模擬數(shù)據(jù)；將所述仿真氣流模擬數(shù)據(jù)標(biāo)準(zhǔn)化為網(wǎng)格格式得到標(biāo)準(zhǔn)氣流模擬數(shù)據(jù)；所述氣流參數(shù)包括風(fēng)速、風(fēng)向、湍流強(qiáng)度。

31、第二污染物濃度數(shù)據(jù)獲取模塊，用于獲取當(dāng)前時(shí)刻所有網(wǎng)格單元的污染物濃度數(shù)據(jù)并記為第一污染物濃度數(shù)據(jù)，將所述第一污染物濃度數(shù)據(jù)與標(biāo)準(zhǔn)氣流模擬數(shù)據(jù)通過對(duì)流擴(kuò)散方程計(jì)算得到每個(gè)網(wǎng)格單元在下一時(shí)刻的污染物濃度預(yù)測(cè)數(shù)據(jù)并記為第二污染物濃度數(shù)據(jù)。

32、污染物擴(kuò)散路徑圖生成模塊，用于獲取下一時(shí)刻所有網(wǎng)格單位的污染物濃度數(shù)據(jù)并記為第三污染物濃度數(shù)據(jù)，將所述第三污染物濃度數(shù)據(jù)與所述第二污染物濃度數(shù)據(jù)進(jìn)行逐點(diǎn)匹配并計(jì)算每個(gè)網(wǎng)格單元的濃度差值，根據(jù)所述濃度差值分析污染物濃度的變化趨勢(shì)；當(dāng)所述濃度差值為正值，則污染物濃度在網(wǎng)格單元內(nèi)為增長(zhǎng)趨勢(shì)；當(dāng)所述濃度差值為負(fù)值，則污染物濃度在網(wǎng)格單元內(nèi)為下降趨勢(shì)；當(dāng)所述濃度差值為正值且大于預(yù)設(shè)的濃度差值閾值時(shí)，則將所述濃度差值對(duì)應(yīng)的網(wǎng)格單元記為污染物顯著變化區(qū)域；根據(jù)所述污染物顯著變化區(qū)域生成污染物初始擴(kuò)散路徑圖，將所述污染物初始擴(kuò)散路徑圖通過空間平滑處理得到污染物最終擴(kuò)散路徑圖。

33、滯留區(qū)域管理模塊，用于通過所述污染物最終擴(kuò)散路徑圖識(shí)別停車場(chǎng)區(qū)域內(nèi)污染物的滯留區(qū)域，并在所述污染物擴(kuò)散路徑圖上標(biāo)記所述滯留區(qū)域?yàn)闇酎c(diǎn)，并將所述滯留點(diǎn)作為通風(fēng)操作的重點(diǎn)監(jiān)測(cè)對(duì)象；所述滯留區(qū)域?yàn)榫W(wǎng)格單元的濃度差值大于預(yù)設(shè)的濃度差值閾值且持續(xù)時(shí)間大于預(yù)設(shè)的安全時(shí)間閾值。

34、進(jìn)一步地，所述污染物預(yù)測(cè)濃度判定和管理模塊還包括：

35、相關(guān)系數(shù)矩陣計(jì)算模塊，用于獲取停車場(chǎng)區(qū)域的歷史污染物濃度預(yù)處理數(shù)據(jù)，將所述歷史污染物濃度預(yù)處理數(shù)據(jù)根據(jù)預(yù)設(shè)的時(shí)間窗口進(jìn)行劃分得到第一數(shù)據(jù)，將所述第一數(shù)據(jù)進(jìn)行歸一化處理得到第二數(shù)據(jù)，將所述第二數(shù)據(jù)通過皮爾遜相關(guān)系數(shù)分析污染物之間的相關(guān)系數(shù)并生成污染物之間的相關(guān)系數(shù)矩陣；所述相關(guān)系數(shù)用于判斷污染物之間是否存在協(xié)同擴(kuò)散效應(yīng)。

36、報(bào)警等級(jí)管理模塊，用于將所述相關(guān)系數(shù)矩陣中的相關(guān)系數(shù)與預(yù)設(shè)的相關(guān)閾值進(jìn)行數(shù)據(jù)分析，當(dāng)所述相關(guān)系數(shù)大于預(yù)設(shè)的相關(guān)閾值時(shí)，則判斷污染物之間存在協(xié)同擴(kuò)散效應(yīng)并記為高關(guān)聯(lián)性污染物，當(dāng)所述高關(guān)聯(lián)性污染物濃度在同一時(shí)間窗口內(nèi)均大于對(duì)應(yīng)污染物預(yù)設(shè)的安全濃度閾值時(shí)，則提升報(bào)警等級(jí)。

37、進(jìn)一步地，所述污染物預(yù)測(cè)濃度判定和管理模塊還包括：

38、相關(guān)系數(shù)預(yù)測(cè)模型獲取模塊，用于獲取污染物濃度歷史監(jiān)測(cè)數(shù)據(jù)，并按照時(shí)間順序構(gòu)建高關(guān)聯(lián)性污染物的歷史相關(guān)系數(shù)時(shí)間序列數(shù)據(jù)，將所述歷史相關(guān)系數(shù)時(shí)間序列數(shù)據(jù)通過長(zhǎng)短期記憶網(wǎng)絡(luò)訓(xùn)練得到相關(guān)系數(shù)預(yù)測(cè)模型。

39、協(xié)同擴(kuò)散風(fēng)險(xiǎn)判定模塊，用于獲取污染物濃度在最近的預(yù)設(shè)時(shí)間窗口內(nèi)的相關(guān)系數(shù)數(shù)據(jù)，并將所述相關(guān)系數(shù)數(shù)據(jù)通過相關(guān)系數(shù)預(yù)測(cè)模型預(yù)測(cè)得到未來多個(gè)預(yù)設(shè)的預(yù)測(cè)時(shí)間步長(zhǎng)的相關(guān)系數(shù)預(yù)測(cè)結(jié)果；將所述相關(guān)系數(shù)預(yù)測(cè)結(jié)果通過數(shù)據(jù)分析得到相關(guān)系數(shù)的變化趨勢(shì)曲線，當(dāng)所述變化趨勢(shì)曲線呈增長(zhǎng)趨勢(shì)且所述相關(guān)系數(shù)預(yù)測(cè)結(jié)果均大于預(yù)設(shè)的相關(guān)性閾值，則判斷污染物之間存在顯著協(xié)同擴(kuò)散效應(yīng)并記為協(xié)同擴(kuò)散風(fēng)險(xiǎn)；當(dāng)監(jiān)測(cè)存在協(xié)同擴(kuò)散風(fēng)險(xiǎn)時(shí)，則對(duì)通風(fēng)操作進(jìn)行預(yù)啟動(dòng)。

40、（3）有益效果

41、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

42、1.通過結(jié)合卷積神經(jīng)網(wǎng)絡(luò)與長(zhǎng)短期記憶網(wǎng)絡(luò)的多變量時(shí)空預(yù)測(cè)模型，能夠準(zhǔn)確預(yù)測(cè)停車場(chǎng)區(qū)域內(nèi)污染物濃度的擴(kuò)散趨勢(shì)，可以提前發(fā)現(xiàn)潛在的污染物濃度超標(biāo)風(fēng)險(xiǎn)，并在污染物濃度超過預(yù)設(shè)安全閾值時(shí)自動(dòng)觸發(fā)報(bào)警，從而及時(shí)進(jìn)行通風(fēng)操作，減少空氣污染對(duì)人員健康的威脅，并有效優(yōu)化停車場(chǎng)區(qū)域的環(huán)境管理。

43、2.通過皮爾遜相關(guān)系數(shù)分析污染物之間的協(xié)同擴(kuò)散效應(yīng)，并根據(jù)相關(guān)系數(shù)矩陣判斷污染物間的關(guān)系。當(dāng)高關(guān)聯(lián)性污染物濃度超出安全閾值時(shí)，系統(tǒng)會(huì)自動(dòng)提升報(bào)警等級(jí)，進(jìn)而調(diào)整通風(fēng)操作。

44、3.結(jié)合歷史監(jiān)測(cè)數(shù)據(jù)和長(zhǎng)短期記憶網(wǎng)絡(luò)的預(yù)測(cè)模型，提前識(shí)別協(xié)同擴(kuò)散風(fēng)險(xiǎn)，并在出現(xiàn)協(xié)同擴(kuò)散效應(yīng)時(shí)提前啟動(dòng)通風(fēng)操作，有效提升污染物擴(kuò)散控制與防范能力。