【技术实现步骤摘要】
一种室内空气质量实时监测与甲醛衰减预测系统
本专利技术涉及甲醛检测
，具体涉及一种室内空气质量实时监测与甲醛衰减预测系统。
技术介绍
随着社会的高速发展，生产和生活方式的更加现代化，人们生活和工作在室内环境中的时间已达到全天的80％至90％，室内空气环境的好坏直接影响人们的身体健康，进行必要的室内空气检测在人们生活中起着举重足轻的作用。目前的室内空气质量检测一般由专业机构携带专业设备上门检测，检测成本高、检测技术门槛高，一次只能检测一个时间点和一个位置区域的空气质量数据，不能检测出室内空气质量的变化趋势，而且不能同时检测中空气中的多个特征因子，无法实现智能化、互联网化等问题，难以满足人们对室内空气检测的需求，人们迫切渴望一种智能化的监测，智能化的监测能够实现协同工作，实时对室内的多个不同区域监测，能同时监测温度、湿度、挥发性有机物、甲醛、PM2.5、苯、二氧化碳特征因子，并实时将监测数据通过互联网发送给用户。甲醛作为一种高致癌物质，严重危害着人们的身体健康，会使人体产生流泪及眼睛异常敏感的症状。长期接触...
【技术保护点】
1.一种室内空气质量实时监测与甲醛衰减预测方法，其特征在于，包括以下步骤：/nS1:采集待监测区域的空气中特征因子信息，包括：温度、湿度、空气流速、挥发性有机化合浓度、苯浓度、甲醛浓度、CO
【技术特征摘要】
1.一种室内空气质量实时监测与甲醛衰减预测方法，其特征在于，包括以下步骤：
S1:采集待监测区域的空气中特征因子信息，包括：温度、湿度、空气流速、挥发性有机化合浓度、苯浓度、甲醛浓度、CO2浓度、PM2.5浓度；通过卡尔曼滤波对数据滤波优化处理，消除干扰引起的误差，提取出最优值；
S2:数据处理对提取出的最优质的进行数据归一化处理，并选取综合影响权重较大的特征因子信息作为BP神经网络的输入层的神经元，通过实际特征因子浓度和甲醛浓度数据训练BP神经预网络，输出甲醛的浓度，再用最小二乘法拟合出基于时间序列的甲醛浓度衰减模型。
2.根据权利要求1所述的一种室内空气质量实时监测与甲醛衰减预测方法，其特征在于：所述步骤S1中通过卡尔曼滤波对数据滤波优化是指对温度、湿度、空气流通量、挥发性有机化合物、甲醛、PM2.5、苯、CO2八种特征因子分别采用卡尔曼滤波，所述卡尔曼滤波包括：
(1)建立特征因子测量预测模型
预测值方程：X(K|K-1)＝X(K-1|K-1)
协方差方程：P(K|K-1)＝P(K-1|K-1)+Q
其中，X(K|K-1)为当前时刻的特征因子预测值，X(K-1|K-1)为上一时刻特征因子最优值，P(K|K-1)为当前时刻特征因子预测协方差，P(K-1|K-1)为上一时刻特征因子最优值输出对应协方差，Q为系统噪声；
(2)确定各个特征因子卡尔曼增益Kg:
Kg(K)＝P(K|K-1)/P((K|K-1)+R)
其中R为测量噪声；
(3)从传感器获取当前时刻特征因子值Z(K)，估计当前时刻最优值X(K|K)和最优协方差传递值P(K|K)；
X(K|K)＝X(K|K-1)+Kg(K)(Z(K)-X(X|K-1))
P(K|K)＝(1-Kg(K))P(K|K-1)。
3.根据权利要求1所述的一种室内空气质量实时监测与甲醛衰减预测方法，其特征在于：所述步骤S2具体包括以下步骤：
(1)BP神经网络输入层和输出层神经元个数确定
选取对甲醛综合影响权值较大的特征因子作为输入层神经元，输入层神经元数包括温度、湿度、空气流速、挥发性气体(TVOC)浓度、苯浓度五个输入神经元；输出层神经元为甲醛浓度；
(2)BP神经网络隐含层神经元数确定
采用如下公式确定：
其中x、y分别表示输入量和输出量的维数，a为随机数，取值范围为[1,10]；
(3)数据归一化处理...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。