(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210695558.0 (22)申请日 2022.06.17 (71)申请人 淮阴工学院 地址 223400 江苏省淮安市 涟水县海安路 10号安东大厦八楼 (72)发明人 李鑫鑫　杨丹　郭硕　秦源汇　 吴浩天　高洁　郭冠廷　马从国　 周恒瑞　秦小芹　柏小颖　王建国　 马海波　周大森　金德飞　黄凤芝　 李亚洲　丁晓红　叶文芊　 (74)专利代理 机构 淮安市科文知识产权事务所 32223 专利代理师 李锋 (51)Int.Cl. H04L 67/12(2022.01)H04W 4/38(2018.01) G16Y 40/10(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G01D 21/02(2006.01) (54)发明名称 物联网烟雾与环境 参数大数据系统 (57)摘要 本发明公开了物联网烟雾与环境参数大数 据系统， 系统由环境参数采集与控制平台和烟雾 大数据预测子系统两部分组成， 环 境参数采集与 控制平台实现对环境参数检测、 调节和监控； 烟 雾大数据预测子系统实现对环境烟雾大数据处 理； 本发明有效解决了 现有环境烟雾没有根据环 境参数变化的非线性、 大滞后和环 境面积大复杂 等对烟雾影 响， 没有对环境烟雾进行预测和对环 境参数进行精确检测与调节， 从而极大的影响环 境烟雾净化和生产管理问题。 权利要求书2页 说明书13页 附图3页 CN 115052018 A 2022.09.13 CN 115052018 A 1.物联网烟雾与环境参数大数据系统， 其特征在于： 系统由环境参数采集与控制平台 和烟雾大数据预测子系统两部分组成， 环境参数采集与控制平台实现对环境参数检测、 调 节和监控； 烟雾大 数据预测子系统实现对环境烟雾大 数据处理； 1、 烟雾大数据预测子系统由烟雾检测模块、 参数检测模块、 Vague数值融合模型和 Vague集的ANFIS模糊神经网络烟雾预测模型组成； 参数检测模块包括多个参数检测模型， 多个烟雾传感器作为烟雾检测模块的输入， 烟 雾检测模块输出作为Vagu e集的ANFIS模糊神经网络烟雾预测模 型的对应输入， 多个温度传 感器和湿度传感器的输出分别作为对应的参数检测模块的多个参数检测模 型输入， 参数检 测模块的多个参数检测模型输出分别作为对应的Vague数值融合模型的输入， Vagu e数值融 合模型的输出分别作为Vague集的ANFIS模糊神经网络烟雾预测 模型的对应输入， Vague集 的ANFIS模糊神经网络烟雾预测模 型输出三个参数分别为y、 z和1 ‑k， y为被检测环 境烟雾大 小的预测值， z为可信度， 1 ‑k为可信度和不确定度和， 1 ‑k‑z为不确定度， k为不可信度， y、 z 和1‑k构成被检测环境烟雾大小的Va gue集的预测数值 为[y， (z， 1 ‑k)]。 2.根据权利要求1所述的物联网烟雾与环境参数大数据系统， 其特征在于： 所述烟雾检 测模块由LS TM神经网络模型、 GM(1， 1)灰色预测模型、 K ‑means聚类分类器、 CNN卷积 ‑NARX神 经网络模型和Va gue集的模糊小 波神经网络模型组成。 3.根据权利要求2所述的物联网烟雾与环境参数大数据系统， 其特征在于： 烟雾传感器 感知被检测环 境的时间序列烟雾值分别作为对应的LSTM神经网络模型和GM(1， 1)灰色预测 模型的输入， LSTM神经网络模型与GM(1， 1)灰色预测模型输出的差作为被检测环境的烟雾 波动值， 多个时间序列烟雾波动值和多个GM(1， 1)灰色预测模型输出分别作为对应的K ‑ means聚类 分类器的输入， K ‑means聚类 分类器输出的多个类型的时间序列烟雾波动值和GM (1， 1)灰色预测模型输出分别作为对应的CNN卷积 ‑NARX神经网络模型的输入， CNN卷积 ‑ NARX神经网络模 型输出作为Vague集的模糊小波神经网络模 型的对应输入， Vague集的模糊 小波神经网络模 型输出的三个参数分别为x、 t和1 ‑f， x为被检测烟雾的实数值， t 为可信度， f为不可信度， 1 ‑f为可信度和不确定度和， 1 ‑f‑t为不确定度， x、 t和1 ‑f构成被检测烟雾的 Vague集数值为[x， (t， 1 ‑f)]， Vague集的模糊小波神经网络模型输出作为烟雾检测模块输 出。 4.根据权利要求1所述的物联网烟雾与环境参数大数据系统， 其特征在于： 所述参数检 测模型由LSTM神经网络模 型、 GM(1， 1)灰色预测模型、 变 分模态分解模型、 K ‑means聚类 分类 器、 CNN卷积‑NARX神经网络模型和Va gue集的模糊小 波神经网络模型组成。 5.根据权利要求4所述的物联网烟雾与环境参数大数据系统， 其特征在于： 参数传感器 感知被检测环 境的时间序列参数值分别作为LSTM神经网络模 型和GM(1， 1)灰色预测模 型的 输入， LSTM神经网络模 型与GM(1， 1)灰色预测模 型输出的差作为被检测环 境的参数波动值， 时间序列参数波动值作为变分模态分解模型的输入， 变分模态分解模型输出多个模态函数 IMF分量， 多个IMF分量能量熵作为K ‑means聚类分类器的输入， K ‑means聚类分类器输出的 多个类型的IMF分量能量熵分别作为多个对应的CNN卷积 ‑NARX神经网络模 型输入， GM(1， 1) 灰色预测模 型和CNN卷积 ‑NARX神经网络模 型的输出作为Vague集的模糊小波神经网络模 型 的对应输入， Vague集的模糊小波神经网络模型输出的三个参数分别为x、 t和1 ‑f， x为被检 测参数的实数值， t为可信度， 1 ‑f为可信度和不确定度和， 1 ‑f‑t为不确定度， f为不可信度，权　利　要　求　书 1/2 页 2 CN 115052018 A 2x、 t和1‑f构成被检测参数的Vague集数值为[x， (t， 1 ‑f)]， Vague集的模糊小波神经网络模 型输出作为 参数检测模型输出。 6.根据权利要求1所述的物联网烟雾与环境参数大数据系统， 其特征在于： 所述Vague 数值融合模型的一段时间多个参数测量传感器的参数检测模 型输出的Vagu e集数构成时间 序列Vague集数值阵列， 每个参数测量传感器的时间序列Vagu e集数值的正理想值距离测度 除以该参数测量传感器的时间序列 Vague集数值的负理想值距离测度与该参数测量传感器 的时间序列 Vague集数值的正理想值距离测度的和得到的商为每个参数测量传感器的时间 序列Vague集数值的相对距离测度； 每个参数测量传感器的时间序列 Vague集数值的相对距 离测度除以所有参数测量传感器的时间序列 Vague集数值的相对距离测度的和得到的商为 每个参数测量传感器的时间序列Va gue集数值的距离测度融合权 重； 每个参数测量传感器的时间序列Vague集数值与Vague集数值阵列的正理想值之间的 相似度除以该参数测量传感器的时间序列V ague集数值与Vague集数值阵列的正理想值的 相似度相加该参数测量传感器的时间序列V ague集数值与Vague集数值阵列的负理想值的 相似度的和得到的商为该参数测量传感器的时间序列Vague集数值的相 似度相对测度； 每 个参数测量传感器的时间序列 Vague集数值的相似度相对测度除以所有参数测量传感器的 时间序列Vague集数值的相似度相对测度的和得到的商为该参数测量传感器的时间序列 Vague集数值的相似度融合权 重； 每个参数测量传感器的时间序列Vague集数值的距离测度融合权重和该参数测量传感 器的时间序列 Vague集数值的相似度融合权重按照从小到大排序组成的区间数作为该参数 测量传感器的时间序列Vague集数值的区间数融合权重； 根据同一时刻每个参数测量传感 器的时间序列V ague集数值与该参数测量传感器的时间序列V ague集数值的区间数融合权 重的积相加得到的和为所有参数测量传感器的时间序列 Vague集数的融合值为时间序列的 区间Vague集数值。 7.根据权利要求1所述的物联网烟雾与环境参数大数据系统， 其特征在于： 所述环境参 数采集与控制平台由检测节点、 控制节点、 网关节点、 现场监控端、 云平台和移动端App组 成。 8.根据权利要求7所述的物联网烟雾与环境参数大数据系统， 其特征在于： 所述检测节 点采集环 境参数经网关节点上传到 云平台， 并利用云平台提供的数据给移动端App， 移动端 App通过云平台提供的环境信息可实时监测环境参数和调节控制节点的外部设备， 检测节 点和控制节点负责采集环境参数和调节环境控制设备， 通过网关节点实现检测节点、 控制 节点、 现场监控端、 云平台和移动端App之间的双向通信， 实现环境参数采集和调节环境控 制设备。权　利　要　求　书 2/2 页 3 CN 115052018 A 3