基于循环卷积神经网络的空间污染物浓度拟合方法和系统与流程

1.本发明涉及公共空间空气净化技术领域，尤其涉及一种基于循环卷积神经网络的空间污染物浓度拟合方法和系统。


背景技术：

2.公共空间空气净化方案中，传统的方式为读取固定点位值并当其中有超标值时控制净化器进行净化；更进阶的有采用传统方法进行空间污染物拟合，但是传统方法拟合精度低，不能跟踪污染物，空间污染物拟合效果不理想，净化器的工作状态和效率不能根据实际情况作出调整。


技术实现要素：

3.针对现有技术存在的问题，本发明的目的在于提供一种基于循环卷积神经网络的空间污染物浓度拟合方法和系统，其对空间污染物的拟合精度高，且能有效地跟踪污染物。
4.为实现上述目的，本发明采用的技术方案是：一种基于循环卷积神经网络的空间污染物浓度拟合方法，其包括以下步骤：s1：采集室内空间各净化器和监测器内传感器的实时数据，将该数据输入到训练好的室内空间传感器监测效果预训练模块，输出室内空间传感器的邻域污染物单时间片浓度拟合图；s2：将室内空间传感器的邻域污染物单时间片浓度拟合图与其对应在室内空间净化器点位图与监测器点位图中的放置点位输入到训练好的卷积神经网络空间污染物单时间片浓度特征向量预计算模块，并提取传感器历史表现特征向量，输出空间污染物单时间片浓度预处理特征向量；s3：将空间污染物单时间片浓度预处理特征向量输入到训练好的反卷积神经网络污染物单时间片浓度预拟合模块，输出空间污染物单时间片浓度预拟合图；s4：将空间污染物单时间片浓度预拟合图和室内空间三维图输入到训练好的卷积神经网络空间污染物单时间片浓度拟合模块，并提取空间污染物浓度特征向量，输出空间污染物单时间片浓度特征向量；s5：将空间污染物单时间片浓度预处理特征向量输入到训练好的循环神经网络残差层向量输入模块，并匹配循环残差神经网络所需的输入结构，输出多层残差输入向量；s6：将空间污染物单时间片浓度特征向量和多层残差输入向量输入到训练好的循环残差神经网络空间污染物浓度特征向量计算模块；在各个残差层输入多层残差输入向量与自身上个残差层输入的合并向量，使用循环神经网络结合之前时间点的空间污染物单时间片浓度特征向量和多层残差输入向量对当前空间污染物进行拟合，生成当前最终拟合图的特征向量；s7：将当前最终拟合图的特征向量输入到训练好的反卷积神经网络污染物浓度拟合模块，输出空间污染物浓度三维数值图。
5.优选地，步骤s5在步骤s3之前执行或与步骤s3同步进行或在步骤s4之前执行或与步骤s4同步执行。
6.优选地，还包括步骤s8，其为将当前最终拟合图的特征向量和多层残差输入向量输入到训练好的循环残差神经网络净化效率拟合模块；在各个残差层输入多层残差输入向量与自身上个残差层输入的合并向量，并使用循环神经网络结合之前时间点的最终拟合图的特征向量和多层残差输入向量对当前净化效率进行评估，输出多角度评估结果。
7.优选地，步骤s8在步骤s7之前执行或与步骤s7同步执行。
8.另外，本发明还公开了一种基于循环卷积神经网络的空间污染物浓度拟合系统，其包括室内空间传感器监测效果预训练模块，用于采集室内空间各净化器和监测器内传感器的实时数据，并分析处理得到室内空间传感器的邻域污染物单时间片浓度拟合图；卷积神经网络空间污染物单时间片浓度特征向量预计算模块，用于对室内空间传感器的邻域污染物单时间片浓度拟合图进行处理，并结合室内空间净化器点位图和监测器点位图中的放置点位，得到空间污染物单时间片浓度预处理特征向量；反卷积神经网络污染物单时间片浓度预拟合模块，用于对空间污染物单时间片浓度预处理特征向量进行处理，得到空间污染物单时间片浓度预拟合图；卷积神经网络空间污染物单时间片浓度拟合模块，用于对空间污染物单时间片浓度预拟合图进行处理，并结合室内空间三维图，得到空间污染物单时间片浓度特征向量；循环神经网络残差层向量输入模块，用于对空间污染物单时间片浓度预处理特征向量进行处理，得到多层残差输入向量；循环残差神经网络空间污染物浓度特征向量计算模块，用于对空间污染物单时间片浓度特征向量和多层残差输入向量进行处理，得到当前最终拟合图的特征向量；反卷积神经网络污染物浓度拟合模块，用于对当前最终拟合图的特征向量进行处理，得到空间污染物浓度三维数值图。
9.优选地，还包括循环残差神经网络净化效率拟合模块，所述循环残差神经网络净化效率拟合模块用于对当前最终拟合图的特征向量和多层残差输入向量进行处理，得到空间污染物净化效率评估结果。
10.采用上述方案后，本发明通过循环卷积神经网络采集室内空间净化器和监测器的实时数据并进行处理，得到传感器领域污染物单时间片浓度拟合图，其结合各传感器的分布点位图处理得到空间污染物单时间片浓度预处理特征向量，通过训练好的神经网络可更进一步地推导出空间污染物单时间片浓度预拟合图和多层残差输入向量。空间污染物单时间片浓度预拟合图与空间三维图结合计算可以得到空间污染物单时间片浓度特征向量，再结合多层残差输入向量可以拟合生成当前最终拟合图的特征向量，最后利用训练好的神经网络得到拟合精度高且对空间污染物具有跟踪效力的空间污染物浓度三维数值图。根据空间污染物浓度三维数值图，净化系统可以实时合理地规划各净化器的运行状态和效率，提高整个净化系统的净化效率并提升能源管控能力。
附图说明
11.图1为本发明的流程示意图。
具体实施方式
12.如图1所示，本发明揭示了一种基于循环卷积神经网络的空间污染物浓度拟合方法，其包括以下步骤：s1：采集室内空间各净化器和监测器内传感器的实时数据，将该数据输入到训练好的室内空间传感器监测效果预训练模块，输出室内空间传感器的邻域污染物单时间片浓度拟合图。
13.s2：将室内空间传感器的邻域污染物单时间片浓度拟合图与其对应在室内空间净化器点位图与监测器点位图中的放置点位输入到训练好的卷积神经网络空间污染物单时间片浓度特征向量预计算模块，并提取传感器历史表现特征向量，输出空间污染物单时间片浓度预处理特征向量。
14.s3：将空间污染物单时间片浓度预处理特征向量输入到训练好的反卷积神经网络污染物单时间片浓度预拟合模块，输出空间污染物单时间片浓度预拟合图。
15.s4：将空间污染物单时间片浓度预拟合图和室内空间三维图输入到训练好的卷积神经网络空间污染物单时间片浓度拟合模块，并提取空间污染物浓度特征向量，输出空间污染物单时间片浓度特征向量。
16.s5：将空间污染物单时间片浓度预处理特征向量输入到训练好的循环神经网络残差层向量输入模块，并匹配循环残差神经网络所需的输入结构，输出多层残差输入向量。
17.s6：将空间污染物单时间片浓度特征向量和多层残差输入向量输入到训练好的循环残差神经网络空间污染物浓度特征向量计算模块；在各个残差层输入多层残差输入向量与自身上个残差层输入的合并向量，使用循环神经网络结合之前时间点的空间污染物单时间片浓度特征向量和多层残差输入向量对当前空间污染物进行拟合，生成当前最终拟合图的特征向量。
18.s7：将当前最终拟合图的特征向量输入到训练好的反卷积神经网络污染物浓度拟合模块，输出空间污染物浓度三维数值图。
19.s8：将当前最终拟合图的特征向量和多层残差输入向量输入到训练好的循环残差神经网络净化效率拟合模块；在各个残差层输入多层残差输入向量与自身上个残差层输入的合并向量，并使用循环神经网络结合之前时间点的最终拟合图的特征向量和多层残差输入向量对当前净化效率进行评估，输出多角度评估结果。
20.需要说明的是，上述步骤中，步骤s5在步骤s3之前执行或与步骤s3同步进行或在步骤s4之前执行或与步骤s4同步执行，只需要步骤s5在步骤s6之前执行完毕即可。步骤s8则在步骤s7之前执行或与步骤s7同步执行均可。
21.基于同一发明构思，本发明还揭示了一种基于循环卷积神经网络的空间污染物浓度拟合系统，其包括室内空间传感器监测效果预训练模块，用于采集室内空间各净化器和监测器内传感器的实时数据，并分析处理得到室内空间传感器的邻域污染物单时间片浓度拟合图；卷积神经网络空间污染物单时间片浓度特征向量预计算模块，用于对室内空间传感器的邻域污染物单时间片浓度拟合图进行处理，并结合室内空间净化器点位图和监测器点位图中的放置点位，得到空间污染物单时间片浓度预处理特征向量；反卷积神经网络污染物单时间片浓度预拟合模块，用于对空间污染物单时间片浓
度预处理特征向量进行处理，得到空间污染物单时间片浓度预拟合图；卷积神经网络空间污染物单时间片浓度拟合模块，用于对空间污染物单时间片浓度预拟合图进行处理，并结合室内空间三维图，得到空间污染物单时间片浓度特征向量；循环神经网络残差层向量输入模块，用于对空间污染物单时间片浓度预处理特征向量进行处理，得到多层残差输入向量；循环残差神经网络空间污染物浓度特征向量计算模块，用于对空间污染物单时间片浓度特征向量和多层残差输入向量进行处理，得到当前最终拟合图的特征向量；反卷积神经网络污染物浓度拟合模块，用于对当前最终拟合图的特征向量进行处理，得到空间污染物浓度三维数值图；循环残差神经网络净化效率拟合模块，用于对当前最终拟合图的特征向量和多层残差输入向量进行处理，得到空间污染物净化效率评估结果。
22.本发明的关键在于，通过循环卷积神经网络采集室内空间净化器和监测器的实时数据并进行处理，得到传感器领域污染物单时间片浓度拟合图，其结合各传感器的分布点位图处理得到空间污染物单时间片浓度预处理特征向量，通过训练好的神经网络可更进一步地推导出空间污染物单时间片浓度预拟合图和多层残差输入向量。空间污染物单时间片浓度预拟合图与空间三维图结合计算可以得到空间污染物单时间片浓度特征向量，再结合多层残差输入向量可以拟合生成当前最终拟合图的特征向量，最后利用训练好的神经网络得到拟合精度高且对空间污染物具有跟踪效力的空间污染物浓度三维数值图。此外，当前最终拟合图的特征向量和多层残差输入向量通过循环残差神经网络净化效率拟合模块计算可以得到空间污染物净化效率评估。根据空间污染物浓度三维数值图，净化系统可以实时合理地规划各净化器的运行状态和效率，提高整个净化系统的净化效率并提升能源管控能力；结合空间污染物净化效率评估可以更进一步地形成反馈机制，促进空气净化的智能高效运行。
23.以上所述，仅是本发明实施例而已，并非对本发明的技术范围作任何限制，故凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同变化与修饰，均仍属于本发明技术方案的范围内。