一种对大气污染物浓度的预测调控方法及系统
专利汇可以提供一种对大气污染物浓度的预测调控方法及系统专利检索，专利查询，专利分析的服务。并且本 发明 公开一种对大气污染物浓度的预测调控方法及系统，基于Elman神经网络递归与直接推测相结合的DirRec方法来准确获得大气污染物浓度并实时调控，可以快速、准确地预估大气污染物浓度，为污染物浓度的监控人员预先提供更加准确的大气污染物浓度数据，从而实现对 净化 系统空气量的及时准确调控，适用于任意大气污染物浓度的预测，同时避免因控制系统数据传递时间延滞造成的系统能耗，为企业带来极大的经济效益和社会价值。，下面是一种对大气污染物浓度的预测调控方法及系统专利的具体信息内容。
1.一种对大气污染物浓度的预测调控方法，其特征在于包括以下步骤：
(一)选取以下影响因素作为大气污染物浓度预测的输入变量值：历史各时刻不同大气污染物浓度、干球温度、湿球温度、相对湿度、风速、日照量化值、工作状态；
(二)以预测的各时刻大气污染物浓度值为输出变量值；
(三)整理学习样本数据，根据训练样本集中输入变量的最大值和最小值，采用最大值最小值法，归一化处理输入变量值、输出变量值：
C′i＝2*(Ci-Cmin)/(Cmax-Cmin)-1
其中，C′i为归一化处理后变量，Ci为输入变量，Cmin为输入变量最小值，Cmax为输入变量最大值；
对大气污染物浓度、环境温度、相对湿度、风速、日照量化值及工作状态数据进行处理，归一化到[-1,1]之间；日照量化值按照晴天(1)、少云(2)、多云(3)、阴天(4)和小雨(5)、中雨(6)、大雨(7)、暴雨(8)八种情况进行量化；工作状态按照工作日取值为1，周末取值为0进行量化；
(四)生成样本输入与输出矩阵集，抽取C1～CN组成第一个样本，其中(C1,C2,…,CN-1)为自变量，CN为目标函数值；抽取C2～CN+1组成第二个样本，其中(C2,C3,…,CN)为自变量，CN+1为目标函数值；依次类推，构成输入与输出样本矩阵集：
其中每列为一个样本，最后一行为期望输出；
(五)构建递归与直接相结合的DirRec动态浓度预测模型，动态模型中上一时刻的输出作为这一时刻的输入对下一时刻进行预测，具体如下：
Y(t+1)＝fDR_1(X(t-1),X(t-2),…,X(t-n))
Y(t+2)＝fDR_2(Y(t+1),X(t-1),…,X(t-n))
Y(t+N)＝fDR_N(Y(t+N-1),Y(t+N-2),…,X(t+N-n))
式中当前时刻取t，n为历史延迟时间间隔，fDR_N为t+N时刻的动态映射模型；
(六)建立Elman神经网络模型，先随机生成网络的权值和阈值，初始化网络参数，网络参数按如下设置：
wi,j(i＝1,2,…,l,j＝1,2,…,M)为输入层和隐含层之间的连接权值，其中l为隐含层神经元个数；
Bi,(i＝1,2,…,1)为隐含层第i个的节点阈值；
β为隐含层和输出层的权值，其中βi,(i＝1,2,…,1)为隐含层第i个节点与输出层节点的连接权值；
(七)网络训练，将输入与输出矩阵集合输入神经网络，对网络进行训练找到最优输出层权值，使网络的实际输出无限逼近目标输出，通过求取最小范数二乘解的方法得到最优输出层权值；若网络收敛，则得到神经网络模型，若网络不收敛，则返回上一步进行调整；
(八)仿真测试，利用求解到的最优权值，求得最优输出层权值下的神经网络的预测输出；
(九)实时比较预测输出与标准限值，并将差值信号传递至IAQ调控系统，启动相应的净化调控模式对空气质量进行调控。
2.根据权利要求1所述的对大气污染物浓度的预测调控方法，其特征在于，所述步骤(九)中净化调控模式具体按照以下策略进行：
预测室外污染物浓度Cout，并计算出预测浓度与国家标准规定的标准限值DCout＝Cout-Co；监测室内污染物浓度Cin，并计算出室内污染物浓度与国家标准规定的标准限值DCin＝Cin-Co，对DCout与DCin进行比较判断并采取合理的净化措施，具体判断策略如下：
若DCin≤0且DCout≤0，则室内外空气品质均达标，新风净化系统关闭或不关闭，若室外温度满足需求，能够开窗通风；
若DCin＞0且DCout＞0，则室内与室外空气品质均不达标，开启内部循环系统，不能开窗通风；
若DCin＞0且DCout≤0，则室内空气品质不达标，室外空气品质达标，开启新风净化系统，若室外温度满足需求，能只开窗通风；
若DCin≤0且DCout＞0，则室内空气品质达标，室外空气品质不达标，开启内部循环系统，不能开窗通风；
采取净化措施后，再次比较预测浓度与标准限值DCout，室内污染物浓度与标准限值DCin，直至室内空气品质IAQ满足标准要求。
3.根据权利要求1所述的对大气污染物浓度的预测调控方法，其特征在于：所述步骤(三)中整理学习样本数据时，针对极端气候或数据缺失因素形成的数据异常波动，采用数据横向对比法修正补录。
4.根据权利要求1所述的对大气污染物浓度的预测调控方法，其特征在于：针对外界干扰所造成的浓度突变，所述网络将随时学习，并及时储存数据。
5.一种采用权利要求1-3方法的对大气污染物浓度的预测调控系统，其特征在于：包括数据采集设备(1)、数据处理设备(2)、浓度模型工作站(3)、用户交互管理设备(4)、浓度预测结果输出设备(5)、结果执行装置(6)和IAQ调控系统(7)；
所述数据采集设备(1)和数据处理设备(2)用于采集、整合和处理输入变量，并处理后数据送入浓度模型工作站(3)；所述浓度模型工作站(3)按照对大气污染物浓度的预测调控方法进行空气污染物的动态浓度预测，其中动态预测的延迟时隔τf小于数据采集设备的采样间隔τs，预测结果通过浓度预测结果输出设备(5)输出至用户交互管理设备(4)；通过用户交互管理设备(4)用户实时在线进行数据管理、预测结果分析、系统设置功能；所述用户交互管理设备(4)分析微调后的预测结果，根据室内外污染物浓度的分析判断，通过结果执行装置(6)向IAQ调控系统(7)发送实施室内净化系统的调控指令，IAQ调控系统(7)控制室内净化系统工作，对空气质量进行调控。
6.根据权利要求4所述的对大气污染物浓度的预测调控系统，其特征在于：所述室内净化系统包括新风净化系统(8)、内部循环系统(9)及排风系统(10)。
一种对大气污染物浓度的预测调控方法及系统
技术领域
背景技术
发明内容
最优输出层权值；若网络收敛，则得到神经网络模型，若网络不收敛，则返回上一步进行调整；
空气污染物的动态浓度预测，其中动态预测的延迟时隔τf小于数据采集设备的采样间隔τs，预测结果通过浓度预测结果输出设备输出至用户交互管理设备；通过用户交互管理设备用
户实时在线进行数据管理、预测结果分析、系统设置功能；所述用户交互管理设备分析微调后的预测结果，根据室内外污染物浓度的分析判断，通过结果执行装置向IAQ调控系统发送实施室内净化系统的调控指令，IAQ调控系统控制室内净化系统工作，对空气质量进行调
控。
污染物浓度，为污染物浓度的监控人员预先提供更加准确的大气污染物浓度数据，从而实
现对净化系统空气量的及时准确调控，并为自动监测控制提供必要的反馈信息，确保污染
物浓度控制在国家标准规定的健康范围内，该方法对历史监测数据的污染物类型没有特别
要求，可以适用于任意大气污染物浓度的预测，同时避免因控制系统数据传递时间延滞造
成的系统能耗，为企业带来极大的经济效益和社会价值。
附图说明
具体实施方式
站3、用户交互管理设备4、浓度预测结果输出设备5和结果执行装置6；所述数据采集设备1与数据处理设备2连接，所述数据处理设备2与浓度模型该工作站3连接，所述浓度模型干工作站3分别与用户交互管理设备4和浓度预测结果输出设备5连接，所述用户交互管理设备4
与结果执行装置6连接，所述结果执行装置6与IAQ调控系统7连接，所述IAQ调控系统7与室
内新风净化系统8、内部循环系统9和排风系统10连接。
与标准值，同时参照室外浓度，做出进一步调控；室内浓度将同步传至预测模块，进行网络学习，作为预测数据储备。
7：3划分训练集和测试集进行验证。将预测小时大气污染物PM2.5浓度值作为预测输出量，将预测历史实际数据(大气污染物浓度、干球温度、湿球温度、相对湿度、风速、日照量化值、工作状态)作为预测输入量：C(PM2.5)t-4,C(PM2.5)t-3,C(PM2.5)t-2,C(PM2.5)t-1,C(PM2.5)t；C(TVOC)t-4,C(TVOC)t-3,C(TVOC)t-2,C(TVOC)t-1,C(TVOC)t；C(CO2)t-4,C(CO2)t-3,C(CO2)t-2,C(CO2)t-1,C(CO2)t；Tt-4,Tt-3,Tt-2,Tt-1,Tt；Tbt-4,Tbt-3,Tbt-2,Tbt-1,Tbt；RHt-4,RHt-3,RHt-2,RHt-1,RHt；Ut-4,Ut-3,Ut-2,Ut-1,Ut；St-4,St-3,St-2,St-1,St；Wt-4,Wt-3,Wt-2,Wt-1,Wt；。
元，多次学习后，若不收敛，就增加隐含层神经元数目，一直达到比较合理的隐含单元数为止。本实施例确定的隐含层神经元数目为15个，选用traingdx(x)为训练函数，使用函数
elmannet建立Elman网络。
7：3划分训练集和测试集进行验证。将预测小时大气污染物PM2.5浓度值作为预测输出量，将预测历史实际数据(大气污染物浓度、干球温度、湿球温度、相对湿度、风速、日照量化值、工作状态)作为预测输入量：C(CO2)t-4,C(CO2)t-3,C(CO2)t-2,C(CO2)t-1,C(CO2)t；C(PM2.5)t-4,C(PM2.5)t-3,C(PM2.5)t-2,C(PM2.5)t-1,C(PM2.5)t；C(TVOC)t-4,C(TVOC)t-3,C(TVOC)t-2,C(TVOC)t-1,C(TVOC)t；
Tt-4,Tt-3,Tt-2,Tt-1,Tt；Tbt-4,Tbt-3,Tbt-2,Tbt-1,Tbt；RHt-4,RHt-3,RHt-2,RHt-1,RHt；Ut-4,Ut-3,Ut-2,Ut-1,Ut；St-4,St-3,St-2,St-1,St；Wt-4,Wt-3,Wt-2,Wt-1,Wt；。
元，多次学习后，若不收敛，就增加隐含层神经元数目，一直达到比较合理的隐含单元数为止。本实施例确定的隐含层神经元数目为10个，选用traingdx(x)为训练函数，使用函数
elmannet建立Elman网络。
态变化情况，并对超标浓度点进行分析控制。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种矿山机械使用的尾气消音管 | 2020-05-08 | 246 |
| 金属卤化物净化颗粒表面制备高性能钛及钛合金的方法 | 2020-05-11 | 515 |
| 一种下拆式风机过滤系统及高效过滤器更换方法 | 2020-05-08 | 528 |
| 一种智能空气净化安全门 | 2020-05-08 | 386 |
| 一种发酵法制备去甲基四环素的方法 | 2020-05-11 | 838 |
| 模块化的空气处理系统 | 2020-05-08 | 375 |
| 一种地下工程施工用空气高效净化装置 | 2020-05-08 | 140 |
| 一种用于水产养殖水体净化的复合微生态制剂及其应用 | 2020-05-11 | 158 |
| 一种烟气排放连续监测系统 | 2020-05-08 | 335 |
| 一种空气净化处理设备 | 2020-05-08 | 192 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
