[发明专利]一种基于多尺度深度神经网络的环境预测防控系统

说明书

本发明公开了一种基于多尺度深度神经网络的环境预测防控系统，该环境预测防控系统包括：训练数据集构建模块，多尺度深度神经网络模型构建模块，环境数据获取模块，环境参数预测模块，防控模型构建模块，环境干预值矩阵获取模块；其中，训练数据集包括时间尺度数据集、空间尺度数据集以及标签集；本发明基于多尺度深度神经网络，对环境参数进行预测，在兼具数据监控、展示的同时，还根据预测结果和关键指标进行事前干预，解决了传统系统中环境参数监控的灵活性和实用性不高的问题，综合考虑不同时间长短、空间大小对楼宇环境参数的影响，具备预测监控及预测分析功能。

技术领域

本发明涉及环境参数监控技术领域，特别涉及一种基于多尺度深度神经网络的环境预测防控系统。

背景技术

环境参数监控是近年来楼宇智能化的一个重要功能，然而，传统的环境参数监控方法，往往是事后发现(实时监控)，很难形成事前预防(预测监控)效果，此外，监测系统，只是对数据的展示和搬运，缺乏专业指导，且无法集成行业管理人员的专业知识。

发明内容

本发明的目的是提供了一种基于多尺度深度神经网络的环境预测防控系统，不仅能够根据历史数据对环境信息进行时域及空间域的预测，而且能够根据预测信息以及环境关键性指标进行事前环境区间控制。

为实现上述目的，本发明提供了如下方案：

一种基于多尺度深度神经网络的环境预测防控系统，所述环境预测防控系统包括：

训练数据集构建模块，用于对环境历史数据进行整理，构建训练数据集；所述训练数据集包括时间尺度数据集、空间尺度数据集以及标签集；

多尺度深度神经网络模型构建模块，用于采用所述训练数据集对深度神经网络进行训练建模，得到多尺度深度神经网络模型，并将所述多尺度深度神经网络模型发送至环境参数预测模块；所述多尺度深度神经网络模型的输入为监测到的环境数据；所述多尺度深度神经网络模型的输出为对应环境函数的预测值矩阵；所述预测值矩阵包括未来不同时间不同目标区域的预测值；

环境数据获取模块，用于获取实时监测到的环境数据；

所述环境参数预测模块，用于将监测到的环境数据输入到所述多尺度深度神经网络模型中，得到预测值矩阵；

防控模型构建模块，用于构建防控模型，并将所述防控模型发送至环境干预值矩阵获取模块；所述防控模型内置环境参数阈值；所述防控模型的输入为所述预测值矩阵，所述防控模型的输出为环境干预值矩阵；所述环境干预值矩阵包括未来不同时间不同目标区域的环境干预值；

所述环境干预值矩阵获取模块，用于将所述预测值矩阵输入到所述防控模型中，并所述防控模型中与所述环境参数阈值比较，输出环境干预值矩阵。

可选的，所述训练数据集构建模块，具体包括：

环境历史数据清洗单元，用于对所述环境历史数据进行清洗处理；其中，数据清洗包含缺失数据补齐、重复数据去重、异常数据剔除；所述环境历史数据为具有物理意义的参数波形；所述环境历史数据的种类包括PM2.5，PM10，SO₂，CO₂，温度、湿度、人流密度；

数据规整单元，用于按照不同尺度，对清洗后的数据进行整理，得到时间尺度数据集和空间尺度数据集；所述尺度包括时间尺度和空间尺度；所述时间尺度是基于环境参数的潮汐变化现象而采用的三种不同尺度，分别是时、日、周；所述时间尺度数据集是利用历史数小时、数日同一小时、数周同一日同一小时的数据进行整理得到的；所述空间尺度是基于空间分布相关的原理；所述空间尺度数据集是对任一观测点，利用所述观测点周围四个方向或者八个方向形成十字型历史数据进行建模整理得到的；

标签集构建单元，用于构建标签集；所述标签集包括未来观测时间为1小时标签、2小时标签、3小时标签、4小时标签、5小时标签、6小时标签、12小时标签、24小时标签、48小时标签以及72小时标签；