[发明专利]基于物联网的室内空气质量监控系统及其监控方法

权利要求书

1.一种基于物联网的室内空气质量监控系统，其特征在于，包括：训练模块，包括：拓扑矩阵构造单元，用于构建部署于健身房内的多个传感器的拓扑矩阵，其中，所述拓扑矩阵中非对角线位置上各个位置的值为相应两个传感器之间的距离，所述拓扑矩阵中对角线位置上各个位置的值为零；第一神经网络单元，用于将所述拓扑矩阵通过第一卷积神经网络以获得拓扑特征矩阵；测量值获取单元，用于获得所述多个传感器的测量值；关联矩阵构建单元，用于将所述多个传感器的测量值排列为测量值向量后与所述测量值向量的转置进行相乘以获得测量值关联矩阵；第二神经网络单元，用于将所述测量值关联矩阵通过第二卷积神经网络以获得测量值关联特征矩阵；矩阵信息融合单元，用于融合所述拓扑特征矩阵和所述测量值关联特征矩阵以获得测量值拓扑关联矩阵；编码单元，用于将所述测量值向量输入包含一维卷积层和全连接层的时序编码器以获得测量特征向量；映射单元，用于将所述测量特征向量与所述测量值拓扑关联矩阵进行矩阵相乘以将所述测量特征向量映射到所述测量值拓扑关联矩阵的高维特征空间中以获得测量拓扑特征向量；联合分布构造单元，用于构造所述测量拓扑特征向量的高斯联合分布图，所述高斯联合分布图的均值向量为所述测量拓扑特征向量，所述高斯联合分布图的方差向量为所述均值向量与基于所述均值向量的每两个特征值之间的方差矩阵之间的乘积；可靠性评估单元，用于基于所述高斯联合分布图的联合误差公式来计算所述高斯联合分布图的高斯分布可靠性特征向量，所述联合误差公式为计算所述测量拓扑特征向量与所述测量特征向量的差分向量的各个位置的平方之和以及计算所述高斯联合分布图的方差向量的各个位置的平方之和之间的求和值的平方根；向量融合单元，用于以所述高斯分布可靠性特征向量作为权重向量计算其与所述测量拓扑特征向量的按位置加权以获得分类特征向量；损失函数计算单元，用于将所述分类特征向量通过分类器以获得分类损失函数值；以及训练单元，用于基于所述分类损失函数值对所述第一卷积神经网络、第二卷积神经网络和所述时序编码器进行训练；以及推断模块，包括：拓扑数据单元，用于构建部署于健身房内的多个传感器的拓扑矩阵，其中，所述拓扑矩阵中非对角线位置上各个位置的值为相应两个传感器之间的距离，所述拓扑矩阵中对角线位置上各个位置的值为零；拓扑特征提取单元，用于将所述拓扑矩阵通过经所述训练模块训练完成的所述第一卷积神经网络以获得拓扑特征矩阵；传感器测量数据获取单元，用于获得所述多个传感器的测量值；测量数据关联单元，用于将所述多个传感器的测量值排列为测量值向量后与所述测量值向量的转置进行相乘以获得测量值关联矩阵；关联特征提取单元，用于将所述测量值关联矩阵通过经所述训练模块训练完成的所述第二卷积神经网络以获得测量值关联特征矩阵；信息融合单元，用于融合所述拓扑特征矩阵和所述测量值关联特征矩阵以获得测量值拓扑关联矩阵；测量值编码单元，用于将所述测量值向量输入经所述训练模块训练完成的所述包含一维卷积层和全连接层的时序编码器以获得测量特征向量；空间映射单元，用于将所述测量特征向量与所述测量值拓扑关联矩阵进行矩阵相乘以将所述测量特征向量映射到所述测量值拓扑关联矩阵的高维特征空间中以获得测量拓扑特征向量；以及监控结果生成单元，用于将所述测量拓扑特征向量通过分类器以获得分类结果，所述分类结果用于表示健身房内的空气质量是否满足预设要求。

2.根据权利要求1所述的基于物联网的室内空气质量监控系统，其中，所述第一神经网络单元，进一步用于使用所述第一卷积神经网络的各层在层的正向传递中分别对输入数据进行卷积处理、沿通道维度的池化处理和激活处理以由所述第一卷积神经网络的最后一层输出所述拓扑特征矩阵。

3.根据权利要求2所述的基于物联网的室内空气质量监控系统，其中，所述第二神经网络单元，进一步用于使用所述第二卷积神经网络的各层在层的正向传递中分别对输入数据进行卷积处理、沿通道维度的池化处理和激活处理以由所述第二卷积神经网络的最后一层输出所述测量值关联特征矩阵。

4.根据权利要求3所述的基于物联网的室内空气质量监控系统，其中，所述矩阵信息融合单元，进一步用于将所述拓扑特征矩阵和所述测量值关联特征矩阵进行矩阵相乘以将所述测量值关联特征矩阵中的信息映射到所述拓扑特征矩阵的高维隐含特征空间中以获得所述测量值拓扑关联矩阵。