一种用于大气环境监测网络的多智能体传感器自校准、漂移识别与异常数据修复方法及系统与流程

本发明涉及大气环境监测、传感器计量校准、无线传感器网络数据质量控制、边缘计算和多智能体协同处理，尤其涉及一种用于大气环境监测网络的多智能体传感器自校准、漂移识别与异常数据修复方法及系统。

背景技术：

1、随着大气环境精细化监管、工业园区无组织排放管控、道路交通污染识别、恶臭与挥发性有机物溯源以及温室气体辅助监测需求增加，利用低成本或小型化传感器构建高密度监测网络已成为标准监测站的重要补充。该类网络能够提供分钟级或更高时间分辨率的数据，但其传感器长期稳定性、节点间一致性和数据可追溯性通常低于计量等级参考仪器。

2、传感器在长期运行中可能受到感敏材料老化、光学腔体积尘、电化学电极消耗、温湿度交叉敏感、泵阀衰减、采样流量波动、进气管路污染、供电异常、时钟漂移和通信丢包的影响。由此产生的异常既包括零点漂移、量程漂移、环境交叉敏感增强和响应迟滞等缓慢状态变化，也包括短时缺失、突发跳变、冻结、重复报文和物理范围越界等采集链路故障。

3、已有校准方法可以利用固定标准站、同址参考仪器、移动基准设备或邻近节点作为校准目标，并利用风向、风速、扩散时延、地理位置或时空相关性提高不同站点数据的可比性。已有协同校准方法还可以把已经校准的节点继续作为其他节点的参考，从而扩大高等级基准的影响范围。

4、然而，污染物物理输送关系与校准证据独立性具有不同甚至相反的含义。对于重构真实污染过程，沿同一输送通道且高度相关的节点是优选邻域；对于判断目标节点是否漂移，来源相同或校准血缘相同的多个节点不能被重复计为多份独立证据。若使用同一张邻域图同时承担污染传播预测和校准证据选择，高相关节点可能在共同故障或共同校准偏差下形成错误共识。

5、递归校准还会形成隐蔽的依赖链。例如，节点b由基准节点a校准，节点c再由节点b校准；当节点b作为待校准节点时，若节点c又被作为独立邻域证据，则节点b的历史校准结果通过节点c返回自身，形成自我证明或环形证据。仅记录“节点是否已校准”而不记录其参考源、父版本和祖先版本，无法识别这种依赖。

6、大气监测网络中还存在共同故障域。多个节点可能共享同一网关、同一供电、同一时间同步源、同一采样总管或同批次传感器，并可能因网关换算错误、时钟错位、供电波动、共同进气污染或批次敏感性变化而同时偏移。此时，基于局部多数一致性的算法可能把共同偏移误认为真实污染过程。

7、另一方面，真实污染事件、传感器漂移和采集故障可能在相同时间窗重叠。若校准模型直接使用包含污染峰值的数据，或者用于生成校准目标的邻域预测间接包含目标节点自身的数据，模型会把真实污染变化吸收到校准参数中。即使验证窗口上的平均误差下降，也可能出现峰值降低、峰时偏移或累积暴露量改变。

8、现有异常修复方法通常利用插值、平滑、时序预测或空间相关节点填补缺失值。对于普通背景时段，上述方法可以取得较小的均方误差；但对于短时污染羽流，平滑或未作传输时延对齐的邻域平均可能削弱峰值，并改变上升、下降和峰时，影响超标判断、过程识别和源解析。

9、因此，需要一种在物理污染输送关系和校准证据独立性之间进行明确分工的方法：利用污染传输关系重构目标节点在未发生传感器异常时应当观测到的反事实浓度，利用校准血缘和共同故障域筛选真正独立的校准证据；在参数可辨识并排除污染事件风险后才生成候选校准；候选校准还需在受保护污染事件上进行回放验证；异常修复则应在可解释的预测包络内保持污染过程形态。

技术实现思路

1、解决的技术问题

2、本发明要解决的技术问题至少包括：避免污染输送相关性被错误当作校准证据独立性；避免递归校准形成自我证明和误差级联；识别共享硬件或运维条件造成的共同故障；在真实污染事件、传感器漂移和采集异常叠加时保持可区分性；确保校准参数具有足够激励和可辨识性；以及在异常数据修复时保持峰值、峰时、变化方向和累积量。

3、技术方案

4、为实现上述目的，本发明提供如下技术方案：一种用于大气环境监测网络的多智能体传感器自校准、漂移识别与异常数据修复方法，包括：获取多个监测节点的污染物传感数据、气象数据、设备运行状态、节点位置、设备拓扑、污染源信息以及固定或移动基准数据；针对每一种污染物，构建表示污染物输送方向、传输时延和空间衰减的有向污染传输图，并构建与所述有向污染传输图分离的校准证据图；为监测节点的校准版本建立包含直接参考源、父版本、祖先版本集合和共同故障域的校准血缘，依据所述校准血缘对校准证据图执行递归依赖去除和共同故障域去重；在屏蔽目标监测节点及依赖该目标监测节点校准结果的数据后，依据有向污染传输图生成目标排除的反事实污染物浓度和预测不确定度；根据目标监测节点的观测值相对于所述反事实污染物浓度的残差、设备运行状态及污染传播一致性，区分真实污染事件、传感器漂移和采集链路异常；在污染事件风险低、独立校准证据满足准入条件且待估校准参数满足可辨识条件时生成候选校准版本，并通过与参数估计窗口分离的稳定验证窗口和已确认污染事件回放窗口进行影子验证；影子验证通过后发布候选校准版本，否则保留当前校准版本；对短时缺失、突发跳变、冻结或物理约束异常的数据，依据所述反事实污染物浓度及预测不确定度形成预测包络，在保持污染事件峰值、峰时、变化方向和时间窗累积量的约束下生成修复数据，并保存原始数据、校准数据、修复数据、异常标签、可信度及处理版本记录。

5、优选地，所述有向污染传输图的候选边权依据节点间距离衰减、节点连线方向与风向的一致程度、理论传输时延与观测传输时延的匹配程度、污染源共同影响程度、污染物反应或沉降特性、条件历史相关性及候选节点健康度组合确定；所述观测传输时延通过稳健互相关、动态时间规整或扩散模型似然确定，并在静风、风向快速摆动或建筑绕流条件下降低风场确定性权重、提高预测不确定度。

6、优选地，所述校准证据图的候选证据边依据计量可追溯性、校准血缘独立性、共同故障域独立性、设备健康度、参数激励程度和预测不确定度确定；当候选支持版本的祖先版本集合包含目标监测节点的当前版本或候选版本、两个支持版本具有相同的未锚定祖先版本、或者候选支持节点与目标监测节点共享网关、供电、时间同步源、采样泵、进气管路、通信链路、传感器批次或共同维护操作时，删除对应证据边、合并证据链或降低其独立性权重。

7、优选地，将目标监测节点的观测值分解为反事实污染物浓度经量程状态、零点状态、响应时延和环境交叉敏感参数作用后的传感器响应，以及采集链路故障项和随机噪声；分别拟合无漂移、零点漂移、量程漂移、响应迟滞、环境交叉敏感漂移和稀疏采集故障候选模型，结合鲁棒残差、模型复杂度、设备运行状态、上风向至下风向的传播顺序、多污染物组分关系及独立基准支持程度，输出异常类别及其可信度。

8、优选地，所述可辨识条件包括：由样本质量、来源不确定度和时间衰减权重确定的有效样本量达到样本阈值；由校准回归向量形成的信息矩阵的最小特征值达到特征值阈值或条件数不高于条件数阈值；校准时间窗内的污染物浓度跨度和环境变量跨度达到对应待估参数的激励阈值；以及候选参数协方差或置信区间满足不确定度阈值；当仅满足零点参数的可辨识条件时，仅开放零点参数更新。

9、优选地，所述候选校准版本采用带鲁棒权重、遗忘因子和参数边界的约束回归或递推估计生成；所述影子验证包括在独立稳定验证窗口内比较候选校准版本与当前校准版本的独立证据加权误差、偏差和预测区间覆盖率，并在污染事件回放窗口内比较峰值保持率、峰时偏差、上升段与下降段方向一致率以及累积量偏差；任一指标超出对应容差、候选参数越界或新增物理约束异常时拒绝候选校准版本。

10、优选地，所述修复数据通过最小化修复值相对于多源预测均值的标准化偏差与修复序列变化率正则项获得，约束至少包括预测包络上下界、污染物非负边界、传感器量程边界、异常时间窗两端连续性、仪器最大响应率、污染事件峰值区间、峰时区间、变化方向和时间窗累积量区间；约束不可行或有效来源不足时输出预测区间和不可确定标签；根据异常后验不确定度、参数可辨识缺口、节点覆盖重要度、移动基准预计信息增益和路径成本生成移动基准复核任务、人工复核任务或人工维护任务。

11、本发明还提供一种用于大气环境监测网络的多智能体传感器自校准、漂移识别与异常数据修复系统，包括数据接入模块、节点自诊断智能体、污染传输智能体、校准证据智能体、漂移识别智能体、校准执行智能体、异常修复智能体、任务调度智能体和校准血缘存储模块；所述污染传输智能体用于构建有向污染传输图并生成目标排除的反事实污染物浓度及预测不确定度；所述校准证据智能体用于构建与有向污染传输图分离的校准证据图，并依据校准血缘和共同故障域筛选独立证据；其余各智能体被配置为协同执行上述的一种用于大气环境监测网络的多智能体传感器自校准、漂移识别与异常数据修复方法。

12、一种电子设备，包括处理器、存储器和通信接口，所述存储器中存储有程序，所述程序被所述处理器执行时，使所述电子设备实施上述的一种用于大气环境监测网络的多智能体传感器自校准、漂移识别与异常数据修复方法。

13、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实施上述的一种用于大气环境监测网络的多智能体传感器自校准、漂移识别与异常数据修复方法。

14、有益效果

15、与现有技术相比，本发明提供了一种用于大气环境监测网络的多智能体传感器自校准、漂移识别与异常数据修复方法及系统，具备以下有益效果：

16、1.将污染传输相关性与校准证据独立性分离，使高度相关的输送节点可用于重构污染过程，但不会因血缘重合或共同故障而被重复计为独立校准证据。

17、2.通过校准血缘记录、祖先集合检查和目标排除重构，阻断递归校准中的自我证明环路和误差回灌，降低网络级校准污染的扩散。

18、3.通过共同故障域识别，可发现同一网关、供电、时钟、采样管路或传感器批次引起的相关异常，避免局部多数一致性产生错误结论。

19、4.通过有效样本量、信息矩阵条件和变量激励范围判断参数可辨识性，防止在浓度变化不足时同时估计零点、量程和交叉敏感参数而得到不稳定校准。

20、5.通过候选版本影子运行和污染事件回放验证，使平均误差降低不是发布校准的唯一条件，并能主动阻止峰值削弱、峰时偏移和累积量改变。

21、6.通过基于预测包络的约束修复和不可行时输出区间，既能提高短时缺失与突发异常的可用性，又避免产生虚假精确值，便于监管、运维和审计。