(19)中华 人民共和国 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 202111257277.9 (22)申请日 2021.10.27 (71)申请人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号 (72)发明人 石岩　芮树旺　杨丽曼　许少峰　 王一轩　王娜　孙治博　牛燕霞　 蔡茂林　 (74)专利代理 机构 北京慕达星云知识产权代理 事务所 (特殊普通合伙) 11465 代理人 符继超 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06F 111/08(2020.01) G06F 113/08(2020.01) G06F 119/08(2020.01) (54)发明名称 基于卷积神经网络的热强化SVE有害气体浓 度检测方法 (57)摘要 本发明公开了基于卷积神经网络的热强化 SVE有害气体浓度检测方法， 包括如下步骤： 获取 待检测数据， 对待检测数据进行预处理； 待检测 数据包括： 土壤含水量、 土壤渗透性、 土壤有机质 含量和土壤温度数据； 将预处理后的数据进行特 征提取， 生成特征矩阵， 并将特征矩阵转化成特 征图； 将特征图输入到训练好的卷积神经网络模 型中， 输出分类结果； 将分类 结果输入到Bagging 模型中， 输出最终检测结果； 最终检测结果为热 强化SVE有害气体浓度所在区间。 该方法可准确 得出在该加热温度条件下， 当前土壤环境生成的 有害气体浓度， 从而合理调控温度， 以保证该土 壤环境下生成的有害气体浓度在一定范围内， 提 高后续对该有 害气体的催化燃烧效率。 权利要求书1页 说明书5页 附图5页 CN 113987937 A 2022.01.28 CN 113987937 A 1.基于卷积神经网络的热强化SVE有害气体浓度检测方法， 其特征在于， 包括如下步 骤： S1、 获取待检测数据， 对所述待检测数据进行预处理； 所述待检测数据包括： 土壤含水 量、 土壤渗透性、 土壤有机质含量和土壤温度数据； S2、 将所述预处理后的数据进行特征提取， 生成特征矩阵， 并将所述特征矩阵转化成特 征图； S3、 将所述特 征图输入到训练好的卷积神经网络模型中， 输出分类结果； S4、 将所述分类结果输入到Bagging模型中， 输出最终检测结果； 所述最终检测结果为 热强化SVE有 害气体浓度所在区间。 2.如权利要求1所述的基于卷积神经网络的热强化SVE有害气体浓度检测方法， 其特征 在于， 所述步骤S2中， 将所述特征矩阵转化成特征图之前还包括： 对 所述特征矩阵进 行灰度 化处理。 3.如权利要求1所述的基于卷积神经网络的热强化SVE有害气体浓度检测方法， 其特征 在于， 所述步骤S2中， 所述特征图的生 成过程为： 将当前时刻与之前时刻的所有 数据信息组 合到一起生成一幅特 征图。 4.如权利要求1所述的基于卷积神经网络的热强化SVE有害气体浓度检测方法， 其特征 在于， 所述 步骤S3中， 所述卷积神经网络模型存在多个弱分类 器。 5.如权利要求1所述的基于卷积神经网络的热强化SVE有害气体浓度检测方法， 其特征 在于， 所述 步骤S3中， 所述卷积神经网络模型采用3 *3卷积核。 6.如权利要求1所述的基于卷积神经网络的热强化SVE有害气体浓度检测方法， 其特征 在于， 所述 步骤S3中， 所述卷积神经网络模型采用Relu函数为激活函数。 7.如权利要求1所述的基于卷积神经网络的热强化SVE有害气体浓度检测方法， 其特征 在于， 所述 步骤S4中， 所述Ba gging模型存在多个子分类 器。权　利　要　求　书 1/1 页 2 CN 113987937 A 2基于卷积神经 网络的热强化SVE有害气体浓度检测方 法 技术领域 [0001]本发明涉及土壤检测技术领域， 特别涉及一种基于卷积神经网络的热强化SVE有 害气体浓度检测方法。 背景技术 [0002]气相抽提技术(SVE)是一种应用广泛的土壤原位修复技术， 但是其适用性受到污 染物种类、 土的透气性、 含 水率、 土层均匀性等因素影响。 为了提高其土壤修复效果、 扩大适 用范围， SVE技术常与其它原位修复技术相结合及互补形成多种SVE增强技术， 主要包括地 下水曝气SVE技术、 生物通 风技术和热强化SVE技 术等。 [0003]在SVE技术上我国起步晚且发展滞后， 多停留在单因素实验、 浅层机理和动力学模 型研究。 由于土壤修复领域起步较晚， 污染场地修复技术不成熟， 而国内自主研发能力薄 弱， 故土壤修复技术至今未进行深度研究。 国内已发表的文献报道大多为单因素实验和模 拟研究， 现场应用和示范较少。 [0004]但是， 气相抽提技术受限于土壤种类、 透气性、 有机物含量等的限制， 难以在低渗 透性有机物污染场地和半挥发性有机物污染场地修复中取得良好的修复效果。 当前对于土 壤和地下水污染场地的修复还处于起步阶段， 气相抽提技术应用于有机物污染场地的相关 工程案例比较少， 对污染场地修复工程设计缺乏足够的依据。 除此之外， 国内关于热强化气 相抽提技术研究较少， 对热强化SVE过程中土壤温度的选择缺乏相关深度研究， 同时对修复 效果的评价也比较模糊。 且常规实际实验的测 量费时费力， 难以满足数量庞大 的加热温度 条件下土壤有害气 体排放量的监测和管理的需求， 因此发展简 便而准确的检测方法用于估 算土壤原位 修复中有 害气体的排 放浓度显得 尤为重要。 [0005]因此， 在现有的热强化气相抽提技术的基础上， 如何提供一种基于卷积神经网络 的热强化SVE有害气体浓度检测方法， 以准确得出在该加热温度条件 下， 该土壤环境下生成 的有害气体浓度， 成为本领域 技术人员亟需解决的问题。 发明内容 [0006]鉴于上述问题， 本发明提出了一种至少解决上述部分技术问题的基于卷积神经网 络的热强化SVE有害气体浓度检测方法， 该方法可精 准判定出在该加热温度条件 下， 该土壤 环境所生成的有 害气体浓度。 [0007]本发明实施例提供基于卷积神经网络 的热强化SVE有害气体浓度检测方法， 包括 如下步骤： [0008]S1、 获取待检测 数据， 对所述待检测数据进行预处理； 所述待检测 数据包括： 土壤 含水量、 土壤渗透性、 土壤有机质含量和土壤温度数据； [0009]S2、 将所述预处理后的数据进行特征提取， 生成特征矩阵， 并将所述特征矩阵转化 成特征图； [0010]S3、 将所述特 征图输入到训练好的卷积神经网络模型中， 输出分类结果；说　明　书 1/5 页 3 CN 113987937 A 3