[发明专利]一种基于神经网络的空气净化方法及系统

说明书

本发明公开了一种基于神经网络的空气净化方法及系统，空气净化方法包括以下步骤：数据实时采集步骤：通过数据采集节点实时采集室内的空气质量数据和人数数据；数据预先分析步骤：将采集的室内空气质量数据导入空气质量预先分析模型中，对模型进一步进行学习训练，并结合室内人数数据变化情况和当前室内空气质量数据对室内空气质量数据的变化趋势进行分析；预先净化步骤：根据空气质量预先分析模型的数据分析结果对室内的空气质量进行预先净化。通过神经网络模型对室内二氧化碳含量和人数变化情况进行分析，预测下一时间段室内二氧化碳浓度的情况，根据预测结果对室内二氧化碳浓度进行控制；能够让室内的二氧化碳浓度一直处于适宜范围。

技术领域

本发明涉及空气净化技术领域，尤其涉及一种基于神经网络的空气净化方法及系统。

背景技术

现目前对室内空气质量的监控净化方法中都是通过监测室内空气质量各成分的浓度(如二氧化碳、PM2.5)是否达到火灾超过预先设定的阈值；如果达到火灾超过预先设定的阈值就会通过相应的手段来对室内空气质量进行净化，以控制室内空气质量各成分的浓度在适宜范围内。

但是这种空气净化方式明显存在滞后性，当空气中某种成分(如二氧化碳)的浓度已经达到超过预设阈值后再进行净化，在二氧化碳的浓度降低到适宜范围后是需要一定的时间的，而在这段时间内人们处在二氧化碳超标的环境中，会让人们觉得很不舒服；而且室内二氧化碳的浓度是随着时间和人数一直在变化的，所以现有的空气净化方法每隔一段时间人们就会处于二氧化碳超标的环境中。

因此如何提前预测室内二氧化碳的浓度以保证人们一直处在二氧化碳浓度适宜范围内，是现阶段需要解决的问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于神经网络的空气净化方法及系统，解决了现有空气净化方法存在的问题。

本发明的目的是通过以下技术方案来实现的：一种基于神经网络的空气净化方法，空气净化方法包括以下步骤：

数据实时采集步骤：通过数据采集节点实时采集室内的空气质量数据和人数数据；

数据预先分析步骤：将采集的室内空气质量数据导入空气质量预先分析模型中，对模型进一步进行学习训练，并结合室内人数数据变化情况和当前室内空气质量数据对室内空气质量数据的变化趋势进行分析；

预先净化步骤：根据空气质量预先分析模型的数据分析结果对室内的空气质量进行预先净化。

在通过基于神经网络的空气净化方法进行室内空气预先净化之前还需要通过采集结合室内不同人数与室内空气质量数据变化的历史数据进行机器学习并建立空气质量预先分析模型。

室内空气质量数据包括室内二氧化碳浓度数据、室内微尘颗粒含量数据和空气湿度数据中的一种或者多种。

对室内空气质量数据的变化趋势进行分析包括根据当前室内人数数据不变时对下一时间段室内二氧化碳浓度数据的变化进行分析，以及根据当前室内人数数据变化时对下一时间段室内二氧化碳浓度数据的变化进行分析。

根据当前室内人数数据不变时对下一时间段室内空气质量数据的变化进行分析包括以下内容：

根据每个人单位时间内产生的二氧化碳量结合当前室内人数数据计算出单位时间内室内产生的二氧化碳总量；

根据单位时间内室内产生的二氧化碳总量结合室内空间体积计算出单位时间内室内二氧化碳浓度的变化趋势；

根据采集的当前室内二氧化碳浓度数据和二氧化碳浓度的变化趋势预测出下一时间段室内二氧化碳浓度数据。

根据当前室内人数数据变化时对下一时间段室内二氧化碳浓度数据的变化进行分析包括以下内容：