乌海矿区空气质量监测及预警系统设计与实现
发布时间：2021-03-08 07:46
随着乌海矿区煤炭资源的大规模、高强度开采,加剧了土壤的破坏和岩石的侵蚀,使得大量矿体表层土壤剥落,地表植被遭到严重破坏,矿区沙尘天气明显加剧,这对矿区及其周边环境质量产生了严重影响。因此,本文围绕乌海矿区空气质量开展相应的监测及预警科研工作,最终针对乌海矿区设计实现一款基于深度学习模型的空气质量监测及预警系统。本系统主要包含三大部分:数据的爬取和存储模块,基于深度学习的空气质量预测模块以及前后端开发模块。为了更好地实现上述模块的功能,本文采用统一建模语言UML绘制系统功能用例图来对系统功能内容进行梳理,系统主要包括个人中心模块、主界面模块、实时监测模块、历史数据模块以及空气质量预测模块。本系统所采用的数据主要包括空气质量数据和气象数据,由于所需数据量较大、种类较多,因此采用Scrapy数据爬取技术和My SQL数据库技术来设计实现数据爬取及存储系统;采用SQLAlchemy架构作为对象关系映射（ORM）以此来设计My SQL数据库并建立数据表用以对用户数据、空气质量数据、气象数据、监测站点信息以及网页信息的存储。系统还采用Flask框架来搭建系统后端服务器以完成系统内部的逻辑处理和数据...
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：90 页
【学位级别】：硕士
【部分图文】：
系统整体结构框图
乌海矿区空气质量监测及预警系统设计与实现11集，数据内容包括温度、气压、风速、风向、AQI、SO2浓度、CO浓度、NO2浓度、O3浓度、pm10浓度、pm2.5浓度等，并通过网络传输数据并将其存储到相应的服务器数据库中，利用数据库管理软件梳理归纳相应的数据，丰富的数据资源和分析可以尽可能的为空气质量的监测及预测预警工作提供数据基矗数据爬取系统主要通过爬虫的方式来抓娶采集数据。开发的数据爬取系统主要是为了完成数据的抓取工作，从而为该系统提供充足的数据支撑。数据采集系统的数据来源于www.pm25.in/wuhai，系统需要以种子URL为第一步开始进行页面抓取，一般情况下，种子URL存放于配置文件中，随之，网络爬虫在读取配置文件后生成抓取列表并执行抓取任务，然后解析抓取到的页面并从数据中提取URL。这时，就需要对URL是否符合抓取条件进行一个判断，比如抓取时间间隔、URL重要性等相关条件，判断完毕后，再对URL进行规范化处理。根据爬虫的特性和大气质量监测预警系统的具体需求，数据爬取程序的功能需求整理如图2.2所示：图2.2数据爬取程序流程图Figure2.2Flowchartofdatacrawlingprocedure2.3系统软件功能需求分析系统功能除了用户登录注册功能、系统管理等基本功能外，主要包括个人中
系统需求分析与总体方案设计12心模块、主界面模块、实时监测模块、历史数据模块以及空气质量预测模块等。本系统的功能框架图如图2.3所示：图2.3系统功能框架图Figure2.3Systemfunctionframework2.3.1个人中心模块个人中心模块主要用于注册与登录操作，系统用户如需使用本系统，需要根据系统管理员所添加的用户账户信息进行登录，但是在登录过程中，系统需要根据验证码对用户身份进行验证，当系统将用户输入的账号、密码以及验证码都验证通过后，系统用户就能成功访问系统。本系统通过新建用户的方式来添加账户，系统用户还可以在本模块申请账号，系统需要提示系统用户如何进行申请以及它的详细步骤，系统用户根据系统的所需填写个人的申请信息，然后通过输入验证码来对个人身份的真伪进行验证。相关验证通过后，系统用户才能正式拥有这个账号的使用权。通过以上需求分析内容可以总结出个人中心模块的主要子模块包括登陆、用户管理和账号申请四个子模块。其功能用例图如图2.4所示。
【参考文献】：
期刊论文
[1]基于非线性修正策略的空气质量预警系统研究[J]. 王建州,杨文栋. 系统工程理论与实践. 2019(08)
[2]基于云计算平台的室内环境监测系统设计与实现[J]. 刘雄飞,聂伟,陈浩,赖思敏. 传感器与微系统. 2019(03)
[3]基于Scrapy框架的爬虫和反爬虫研究[J]. 韩贝,马明栋,王得玉. 计算机技术与发展. 2019(02)
[4]基于Scrapy的网络爬虫设计与实现[J]. 云洋. 电脑编程技巧与维护. 2018(09)
[5]基于前后端分离技术的图像数据集标注系统构建[J]. 李梦园,肖超恩,孙楠,金鑫. 北京电子科技学院学报. 2018(03)
[6]前后端分离框架在软件设计中的应用[J]. 李宇,刘彬. 无线互联科技. 2018(17)
[7]利用Node.js开发前后端分离的系统——以图书馆地方文献系统为例[J]. 刘红卫. 天津科技. 2018(07)
[8]面向企业级web应用的前后端分离开发模式及实践[J]. 杜艳美,黄晓芳. 西南科技大学学报. 2018(02)
[9]基于自组织递归模糊神经网络的PM2.5浓度预测[J]. 周杉杉,李文静,乔俊飞. 智能系统学报. 2018(04)
[10]中国大气污染影响因素研究——基于中国城市动态空间面板模型的分析[J]. 刘军,王慧文,杨洁. 河海大学学报(哲学社会科学版). 2017(05)
硕士论文
[1]基于Tensorflow的循环神经网络模型在上海市空气质量预测中的应用[D]. 刘蕾.上海师范大学 2019
[2]基于深度学习的空气质量预测方法研究与实现[D]. 郭豪.北京邮电大学 2019
[3]多源时间序列数据的建模分析与预测[D]. 王晶.北京邮电大学 2019
[4]乌海市大气颗粒物污染特征及扩散模拟研究[D]. 王相浩.内蒙古大学 2019
[5]基于灰色理论的西安空气质量预警系统研究与实现[D]. 张鑫.长安大学 2019
[6]基于集合预报的空气质量预报预警系统设计[D]. 谢磊.浙江理工大学 2019
[7]基于Scrapy技术的数据采集系统的设计与实现[D]. 杨君.南京邮电大学 2018
[8]基于深度学习与物联网的水肥一体化云系统研究[D]. 刘军涛.河北工程大学 2018
[9]基于RNN-CNN集成深度学习模型的PM2.5小时浓度预测研究[D]. 黄婕.浙江大学 2018
[10]基于Scrapy框架的网络爬虫实现与数据抓取分析[D]. 安子建.吉林大学 2017
本文编号：3070688
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：90 页
【学位级别】：硕士
【部分图文】：
系统整体结构框图
乌海矿区空气质量监测及预警系统设计与实现11集，数据内容包括温度、气压、风速、风向、AQI、SO2浓度、CO浓度、NO2浓度、O3浓度、pm10浓度、pm2.5浓度等，并通过网络传输数据并将其存储到相应的服务器数据库中，利用数据库管理软件梳理归纳相应的数据，丰富的数据资源和分析可以尽可能的为空气质量的监测及预测预警工作提供数据基矗数据爬取系统主要通过爬虫的方式来抓娶采集数据。开发的数据爬取系统主要是为了完成数据的抓取工作，从而为该系统提供充足的数据支撑。数据采集系统的数据来源于www.pm25.in/wuhai，系统需要以种子URL为第一步开始进行页面抓取，一般情况下，种子URL存放于配置文件中，随之，网络爬虫在读取配置文件后生成抓取列表并执行抓取任务，然后解析抓取到的页面并从数据中提取URL。这时，就需要对URL是否符合抓取条件进行一个判断，比如抓取时间间隔、URL重要性等相关条件，判断完毕后，再对URL进行规范化处理。根据爬虫的特性和大气质量监测预警系统的具体需求，数据爬取程序的功能需求整理如图2.2所示：图2.2数据爬取程序流程图Figure2.2Flowchartofdatacrawlingprocedure2.3系统软件功能需求分析系统功能除了用户登录注册功能、系统管理等基本功能外，主要包括个人中
系统需求分析与总体方案设计12心模块、主界面模块、实时监测模块、历史数据模块以及空气质量预测模块等。本系统的功能框架图如图2.3所示：图2.3系统功能框架图Figure2.3Systemfunctionframework2.3.1个人中心模块个人中心模块主要用于注册与登录操作，系统用户如需使用本系统，需要根据系统管理员所添加的用户账户信息进行登录，但是在登录过程中，系统需要根据验证码对用户身份进行验证，当系统将用户输入的账号、密码以及验证码都验证通过后，系统用户就能成功访问系统。本系统通过新建用户的方式来添加账户，系统用户还可以在本模块申请账号，系统需要提示系统用户如何进行申请以及它的详细步骤，系统用户根据系统的所需填写个人的申请信息，然后通过输入验证码来对个人身份的真伪进行验证。相关验证通过后，系统用户才能正式拥有这个账号的使用权。通过以上需求分析内容可以总结出个人中心模块的主要子模块包括登陆、用户管理和账号申请四个子模块。其功能用例图如图2.4所示。
【参考文献】：
期刊论文
[1]基于非线性修正策略的空气质量预警系统研究[J]. 王建州,杨文栋. 系统工程理论与实践. 2019(08)
[2]基于云计算平台的室内环境监测系统设计与实现[J]. 刘雄飞,聂伟,陈浩,赖思敏. 传感器与微系统. 2019(03)
[3]基于Scrapy框架的爬虫和反爬虫研究[J]. 韩贝,马明栋,王得玉. 计算机技术与发展. 2019(02)
[4]基于Scrapy的网络爬虫设计与实现[J]. 云洋. 电脑编程技巧与维护. 2018(09)
[5]基于前后端分离技术的图像数据集标注系统构建[J]. 李梦园,肖超恩,孙楠,金鑫. 北京电子科技学院学报. 2018(03)
[6]前后端分离框架在软件设计中的应用[J]. 李宇,刘彬. 无线互联科技. 2018(17)
[7]利用Node.js开发前后端分离的系统——以图书馆地方文献系统为例[J]. 刘红卫. 天津科技. 2018(07)
[8]面向企业级web应用的前后端分离开发模式及实践[J]. 杜艳美,黄晓芳. 西南科技大学学报. 2018(02)
[9]基于自组织递归模糊神经网络的PM2.5浓度预测[J]. 周杉杉,李文静,乔俊飞. 智能系统学报. 2018(04)
[10]中国大气污染影响因素研究——基于中国城市动态空间面板模型的分析[J]. 刘军,王慧文,杨洁. 河海大学学报(哲学社会科学版). 2017(05)
硕士论文
[1]基于Tensorflow的循环神经网络模型在上海市空气质量预测中的应用[D]. 刘蕾.上海师范大学 2019
[2]基于深度学习的空气质量预测方法研究与实现[D]. 郭豪.北京邮电大学 2019
[3]多源时间序列数据的建模分析与预测[D]. 王晶.北京邮电大学 2019
[4]乌海市大气颗粒物污染特征及扩散模拟研究[D]. 王相浩.内蒙古大学 2019
[5]基于灰色理论的西安空气质量预警系统研究与实现[D]. 张鑫.长安大学 2019
[6]基于集合预报的空气质量预报预警系统设计[D]. 谢磊.浙江理工大学 2019
[7]基于Scrapy技术的数据采集系统的设计与实现[D]. 杨君.南京邮电大学 2018
[8]基于深度学习与物联网的水肥一体化云系统研究[D]. 刘军涛.河北工程大学 2018
[9]基于RNN-CNN集成深度学习模型的PM2.5小时浓度预测研究[D]. 黄婕.浙江大学 2018
[10]基于Scrapy框架的网络爬虫实现与数据抓取分析[D]. 安子建.吉林大学 2017
本文编号：3070688
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3070688.html
最近更新
教材专著
