本發(fā)明涉及通風換氣檢測，更具體地，涉及一種基于預訓練的機器學習模型和室內(nèi)空氣在線監(jiān)測數(shù)據(jù)實現(xiàn)室內(nèi)空間通風換氣次數(shù)計算的方法。

背景技術(shù)：

1、室內(nèi)通風換氣效率是室內(nèi)環(huán)境健康的重要影響因素，室內(nèi)通風換氣效率評價主要利用建筑或衛(wèi)生行業(yè)標準制定的指標如通風換氣次數(shù)或新風量來評價，通風換氣次數(shù)和新風量兩個指標是通過換算關(guān)系獲得，傳統(tǒng)的方法主要是依靠示蹤氣體法檢測實驗計算通風換氣次數(shù)，再通過通風換氣次數(shù)結(jié)合室內(nèi)空間容積和核定人數(shù)計算新風量。

2、國標gb/t18204.18-2000公共衛(wèi)生室內(nèi)新風量測定方法規(guī)定的示蹤氣體法有很高的科學性和準確性，能夠很好地反映室內(nèi)空間的真實通風換氣效果。但該方法在實際使用和操作過程中有諸多難點，故在公共衛(wèi)生日常檢查工作中難以得到推廣，舉例如下：

3、1.示蹤氣體檢測實驗的注入和混勻階段要求特別的環(huán)境設(shè)置如門窗關(guān)閉或新風系統(tǒng)的進氣/排氣口全部關(guān)閉，在實際的公共場所檢測過程中實際很難操作，并且?guī)砗艽蟮娜藶楦蓴_。

4、2.實際測試過程中，大空間的公共場所目前常用的方法不僅需要大量的示蹤氣體，成本較高，且很難在短時間內(nèi)（比如5分鐘內(nèi)）釋放足夠的示蹤氣體并在全空間內(nèi)混勻。而且如果注入及/混勻的時間過長，注入和泄漏就同時發(fā)生，不僅造成示蹤氣體的浪費，而且直接影響檢測準確率甚至測試無效。

5、3.通風換氣測量實驗所使用的設(shè)備通常造價較高，體積較大，不便于攜帶。

6、4.通風換氣測量實驗所得到的數(shù)據(jù)僅是理想且固定變量下的通風換氣次數(shù)，并不具備實時性，且會因為人為因素等影響與實際情況有一定出入。

7、綜上所述，示蹤氣體檢測實驗方法具備較好的科學性和精度，但檢測實驗耗時長，人力和物力成本高，無法作為常態(tài)化檢測手段大面積覆蓋各類室內(nèi)場所檢測。且由于檢測實驗法局限于某些特定的工況組合（如門窗/新風設(shè)備等狀態(tài)），檢測結(jié)果只是反映場所特定工況的靜態(tài)評價，該靜態(tài)評價和實際工況可能有很大的出入，無法準確反映現(xiàn)實使用過程中空間實際的通風換氣效率。

8、因此，傳統(tǒng)的通風換氣次數(shù)和新風量評價只是利用非常有限的實驗檢測數(shù)據(jù)，無法反映空間在長期使用過程中連續(xù)的通風換氣效率變化過程、趨勢以及對突發(fā)異常情況的監(jiān)測。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供一種基于預訓練的機器學習模型和室內(nèi)空氣在線監(jiān)測數(shù)據(jù)實現(xiàn)室內(nèi)空間通風換氣次數(shù)計算的方法，解決傳統(tǒng)示蹤氣體實驗法存在的技術(shù)問題。

2、為解決上述技術(shù)問題，本發(fā)明的技術(shù)方案如下：

3、本發(fā)明提供一種基于預訓練的機器學習模型和室內(nèi)空氣在線監(jiān)測數(shù)據(jù)實現(xiàn)室內(nèi)空間通風換氣次數(shù)計算的方法，包括以下步驟：

4、收集不同空間結(jié)構(gòu)、不同工況和不同實驗條件下的隨時間變化的示蹤氣體濃度數(shù)據(jù)；

5、根據(jù)每次實驗的所述示蹤氣體濃度數(shù)據(jù)，計算通風換氣次數(shù)；

6、將所述通風換氣次數(shù)與所述示蹤氣體濃度數(shù)據(jù)融合，構(gòu)建具備時間序列和空間序列的數(shù)據(jù)集；

7、根據(jù)所述數(shù)據(jù)集，訓練預設(shè)的機器學習模型，得到預測模型；

8、獲取室內(nèi)空氣在線監(jiān)測數(shù)據(jù)，所述室內(nèi)空氣在線監(jiān)測數(shù)據(jù)包括示蹤氣體濃度；

9、對所述室內(nèi)空氣在線監(jiān)測數(shù)據(jù)在預設(shè)周期內(nèi)計算該周期內(nèi)的濃度變化可用窗口；

10、將所述濃度變化可用窗口內(nèi)的所述室內(nèi)空氣在線監(jiān)測數(shù)據(jù)輸入所述預測模型，得到通風換氣次數(shù)。

11、在上述技術(shù)手段中，改變傳統(tǒng)實驗法計算通風換氣次數(shù)，直接采用室內(nèi)空氣質(zhì)量在線監(jiān)測的數(shù)據(jù)結(jié)合機器學習模型計算通風換氣次數(shù)，基于空間實際發(fā)生的氣體濃度變化的片段數(shù)據(jù)就能夠獲得高準確性的通風換氣效率評價。

12、進一步的，所述收集不同空間結(jié)構(gòu)、不同工況和不同實驗條件下的隨時間變化的示蹤氣體濃度數(shù)據(jù)，包括：

13、采用示蹤氣體通風換氣實驗檢測法，不同空間結(jié)構(gòu)、不同工況和不同實驗條件下設(shè)置多個檢測設(shè)備用于獲取示蹤氣體濃度數(shù)據(jù)，所述示蹤氣體濃度數(shù)據(jù)包括每個時刻的時間戳和該時刻各個檢測設(shè)備獲取的示蹤氣體濃度。

14、進一步的，根據(jù)所述示蹤氣體濃度數(shù)據(jù)，計算通風換氣次數(shù)，包括：

15、

16、式中，表示通風換氣次數(shù)，表示示蹤氣體的本底值，表示測量開始時的示蹤氣體濃度，表示測量時間為t時的示蹤氣體濃度，表示測量時間。

17、進一步的，將所述通風換氣次數(shù)與所述示蹤氣體濃度數(shù)據(jù)融合，構(gòu)建具備時間序列和空間序列的數(shù)據(jù)集，包括：

18、將每個時刻計算得到的通風換氣次數(shù)與所述示蹤氣體濃度關(guān)聯(lián)融合后，形成包括時間戳、不同場所、不同工況、不同實驗條件示蹤氣體濃度和通風換氣次數(shù)記錄的數(shù)據(jù)集。

19、進一步的，對所述室內(nèi)空氣在線監(jiān)測數(shù)據(jù)在預設(shè)周期內(nèi)計算該周期內(nèi)的濃度變化可用窗口，當某一時段連續(xù)室內(nèi)空氣在線監(jiān)測數(shù)據(jù)滿足以下條件時，則該時段視為初步濃度變化可用窗口：

20、

21、式中，表示某一時段連續(xù)室內(nèi)空氣在線監(jiān)測數(shù)據(jù)中第個采樣點數(shù)據(jù)，表示采樣數(shù)量，表示濃度下降閾值，表示某一時段連續(xù)室內(nèi)空氣在線監(jiān)測數(shù)據(jù)最大的采樣點數(shù)據(jù)，表示某一時段連續(xù)室內(nèi)空氣在線監(jiān)測數(shù)據(jù)最小的采樣點數(shù)據(jù)；

22、取所有所述初步濃度變化可用窗口中最大的作為濃度變化可用窗口。

23、進一步的，將所述濃度變化可用窗口內(nèi)的所述室內(nèi)空氣在線監(jiān)測數(shù)據(jù)輸入所述預測模型，得到通風換氣次數(shù)后，還包括以下步驟：

24、根據(jù)預測模型得到的通風換氣次數(shù)，計算當前場所的示蹤氣體濃度下降全過程變化：

25、

26、式中，為預測的t時刻的示蹤氣體濃度，為所述濃度變化可用窗口內(nèi)最后一個示蹤氣體濃度，當與的差值低于預設(shè)閾值時，視為換氣完成。

27、進一步的，將預測的t時刻的示蹤氣體濃度與實際的下降過程中t時刻的示蹤氣體濃度比較，得到誤差數(shù)據(jù)，根據(jù)誤差數(shù)據(jù)迭代所述預測模型。

28、進一步的，將所述濃度變化可用窗口內(nèi)的所述室內(nèi)空氣在線監(jiān)測數(shù)據(jù)輸入所述預測模型，得到通風換氣次數(shù)后，還包括以下步驟：

29、將所述室內(nèi)空氣在線監(jiān)測數(shù)據(jù)和對應(yīng)的通風換氣次數(shù)進行可視化展示。

30、進一步的，利用所述預測模型對室內(nèi)空間通風換氣次數(shù)進行長期預測，利用arima模型對長期預測的通風換氣次數(shù)進行建模，獲得通風換氣次數(shù)周期性變化和對未來通風換氣次數(shù)的估測。

31、進一步的，所述機器學習模型包括回歸模型。

32、與現(xiàn)有技術(shù)相比，本發(fā)明技術(shù)方案的有益效果是：

33、本發(fā)明利用實驗室模擬條件就能夠構(gòu)建訓練通風換氣計算模型的數(shù)據(jù)集，在完成模型訓練后，就能夠結(jié)合在線監(jiān)測設(shè)備的數(shù)據(jù)計算不同場所的通風換氣次數(shù)，無需再通過示蹤氣體法實驗，極大提高了對場所通風換氣次數(shù)檢測的能力，能夠?qū)崿F(xiàn)低成本大范圍的通風換氣效率評價，同時，該模型結(jié)合在線監(jiān)測的氣體濃度數(shù)據(jù)，還能夠預測濃度變化的趨勢，實現(xiàn)提前預測預警的目的。

技術(shù)特征：

1.一種基于預訓練的機器學習模型和室內(nèi)空氣在線監(jiān)測數(shù)據(jù)實現(xiàn)室內(nèi)空間通風換氣次數(shù)計算的方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于預訓練的機器學習模型和室內(nèi)空氣在線監(jiān)測數(shù)據(jù)實現(xiàn)室內(nèi)空間通風換氣次數(shù)計算的方法，其特征在于，所述收集不同空間結(jié)構(gòu)、不同工況和不同實驗條件下的隨時間變化的示蹤氣體濃度數(shù)據(jù)，包括：

3.根據(jù)權(quán)利要求2所述的基于預訓練的機器學習模型和室內(nèi)空氣在線監(jiān)測數(shù)據(jù)實現(xiàn)室內(nèi)空間通風換氣次數(shù)計算的方法，其特征在于，根據(jù)所述每次實驗的示蹤氣體濃度數(shù)據(jù)，計算通風換氣次數(shù)，包括：

4.根據(jù)權(quán)利要求3所述的基于預訓練的機器學習模型和室內(nèi)空氣在線監(jiān)測數(shù)據(jù)實現(xiàn)室內(nèi)空間通風換氣次數(shù)計算的方法，其特征在于，將所述通風換氣次數(shù)與所述示蹤氣體濃度數(shù)據(jù)融合，構(gòu)建具備時間序列和空間序列的數(shù)據(jù)集，包括：

5.根據(jù)權(quán)利要求4所述的基于預訓練的機器學習模型和室內(nèi)空氣在線監(jiān)測數(shù)據(jù)實現(xiàn)室內(nèi)空間通風換氣次數(shù)計算的方法，其特征在于，對所述室內(nèi)空氣在線監(jiān)測數(shù)據(jù)在預設(shè)周期內(nèi)計算該周期內(nèi)的濃度變化可用窗口，當某一時段連續(xù)室內(nèi)空氣在線監(jiān)測數(shù)據(jù)滿足以下條件時，則該時段視為初步濃度變化可用窗口：

6.根據(jù)權(quán)利要求5所述的基于預訓練的機器學習模型和室內(nèi)空氣在線監(jiān)測數(shù)據(jù)實現(xiàn)室內(nèi)空間通風換氣次數(shù)計算的方法，其特征在于，將所述濃度變化可用窗口內(nèi)的所述室內(nèi)空氣在線監(jiān)測數(shù)據(jù)輸入所述預測模型，得到通風換氣次數(shù)后，還包括以下步驟：

7.根據(jù)權(quán)利要求6所述的基于預訓練的機器學習模型和室內(nèi)空氣在線監(jiān)測數(shù)據(jù)實現(xiàn)室內(nèi)空間通風換氣次數(shù)計算的方法，其特征在于，將預測的t時刻的示蹤氣體濃度與實際的下降過程中t時刻的示蹤氣體濃度比較，得到誤差數(shù)據(jù)，根據(jù)誤差數(shù)據(jù)迭代所述預測模型。

8.根據(jù)權(quán)利要求5所述的基于預訓練的機器學習模型和室內(nèi)空氣在線監(jiān)測數(shù)據(jù)實現(xiàn)室內(nèi)空間通風換氣次數(shù)計算的方法，其特征在于，將所述濃度變化可用窗口內(nèi)的所述室內(nèi)空氣在線監(jiān)測數(shù)據(jù)輸入所述預測模型，得到通風換氣次數(shù)后，還包括以下步驟：

9.根據(jù)權(quán)利要求8所述的基于預訓練的機器學習模型和室內(nèi)空氣在線監(jiān)測數(shù)據(jù)實現(xiàn)室內(nèi)空間通風換氣次數(shù)計算的方法，其特征在于，利用所述預測模型對室內(nèi)空間通風換氣次數(shù)進行長期預測，利用arima模型對長期預測的通風換氣次數(shù)進行建模，獲得通風換氣次數(shù)周期性變化和對未來通風換氣次數(shù)的估測。

10.根據(jù)權(quán)利要求1至9任一項所述的基于預訓練的機器學習模型和室內(nèi)空氣在線監(jiān)測數(shù)據(jù)實現(xiàn)室內(nèi)空間通風換氣次數(shù)計算的方法，其特征在于，所述機器學習模型包括回歸模型。

技術(shù)總結(jié)
本發(fā)明公開一種基于預訓練的機器學習模型和室內(nèi)空氣在線監(jiān)測數(shù)據(jù)實現(xiàn)室內(nèi)空間通風換氣次數(shù)計算的方法，結(jié)合日益普及的室內(nèi)空氣質(zhì)量在線監(jiān)測的既有系統(tǒng)和數(shù)據(jù)，通過預訓練的機器學習模型實現(xiàn)通風換氣效率的在線評價，該模型不僅能夠利用在線監(jiān)測的空氣某個指標的濃度變化來計算通風換氣次數(shù)，同時還能夠利用同一個模型預測濃度的變化趨勢，為室內(nèi)環(huán)境健康提供全新高效的人工智能評價方法。

技術(shù)研發(fā)人員：馮文如,黃德演,呂嘉韻,崔笛,余捷全,朱昊,余泓霖
受保護的技術(shù)使用者：廣州市疾病預防控制中心（廣州市衛(wèi)生檢驗中心、廣州市食品安全風險監(jiān)測與評估中心、廣州醫(yī)科大學公共衛(wèi)生研究院）
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21