基于质量守恒的学生行为对教室内PM制造技术

本发明专利技术属于环境测量技术领域，具体涉及基于质量守恒的学生行为对教室内pm2.5浓度的计算方法。本发明专利技术通过皮尔森相关性分析得出了潜在的相关因素即室内外温度差和湿度差。由于温度和湿度具有一定的梯度变化，本发明专利技术可以根据建立的数学模型，根据不同的场景和需求，计算出学生作为PM2.5浓度的污染源，得出其对PM2.5浓度的贡献度的具体数值。对于有大量人员聚集的室内，该方法可以进一步对新风系统、空气净化器等基本参数的选取给出重要的参考依据。化器等基本参数的选取给出重要的参考依据。化器等基本参数的选取给出重要的参考依据。

【技术实现步骤摘要】
基于质量守恒的学生行为对教室内PM
2.5
浓度的计算方法


[0001]本专利技术属于环境测量
，具体涉及基于质量守恒的学生行为对教室内PM
2.5
浓度的计算方法。

技术介绍

[0002]随着人们生活水平的不断提高，室内空气质量越来越受到人们的关注。在众多的环境问题中，空气污染(尤其是PM
2.5
、PM
10
等颗粒物污染)对能见度的影响较为明显，也更容易被人们所感知。人类活动大多在封闭空间内(室内环境)，室内空气的化学成分多样，空气质量复杂。据估计，人类每天约有90％的时间在室内，因此，人们接触室内空气污染物的概率远远高于室外空气污染物。
[0003]特别是学生每天至少花8个小时在教室里，因此室内空气质量已经成为一个重要的话题。室内高浓度的空气污染，如PM
2.5
，对学生的健康有害。虽然定期清洁教室和走廊是保持环境卫生的重要组成部分，但它对减少空气污染的作用不大。更糟糕的是，清洁的过程本身也会增加室内污染物。
[0004]分析教室内PM
2.5
浓度变化的影响因素，可以为改善空气质量提供重要的指导。如何开发出准确的方法来分析和预测室内环境中的污染源，是一个有待解决的问题。一旦对室内污染源进行了测量，就可以更有针对性地采取缓解措施，以减少儿童接触空气污染并改善他们的健康。
[0005]陈紫光,陈超,曹国庆,邬艳,吴玉琴,刘子嘉,朱娟花,张铭健,李炫.关于渗透通风条件下室内PM
2.5
净化过滤负荷计算相关设计参数探讨[J].建筑科学,2019,35(10):163-169.提出的房间换气次数、PM
2.5
穿透系数与沉降率推算模型,以及北京地区多个办公建筑室内外PM
2.5
质量浓度和室外气象参数长期监测结果,研究并提出了基于渗透通风条件下,不同气密性等级建筑外窗对应的单位缝长渗透通风量和穿透系数确定方法,给出了推荐设计值,评估了建筑外窗气密性等级对空气净化器净化寿命的影响。
[0006]CN201811655319.2，一种室内PM
2.5
浓度预估方法，通过大数据平台获取室外空气质量基础数据；对所获取的空气质量基础数据进行数据处理后获得标准数据；通过Apriori算法实现关联因子分析；建立专家知识库；构建浓度向量；预测浓度；匹配成因。
[0007]CN201810134218.4，一种基于多示例遗传神经网络的室内PM
2.5
预测方法，数据采集与特征选取；(2)构建多示例遗传神经网络预测模型；(3)根据多示例遗传神经网络预测模型预测室内PM
2.5
浓度。本专利技术基于多示例遗传神经网络的室内PM
2.5
预测方法,通过选取与室内PM
2.5
密切相关的通风率、气温、相对湿度等7个特征进行模型训练,将多示例神经网络与遗传算法应用到室内空气质量的预测中,不仅得到了较好的预测精度,同时相对于经验模型来说,大大缩短建模的时间,具有可靠性能高、精度高、效率高、实用性强等优点。
[0008]CN201711370485.3，一种室内PM
2.5
浓度与计数浓度转换的算法，通过PM
2.5
检测仪器或PM
2.5
传感监测设备测试PM
2.5
浓度,利用对数正态分布计算模型,解析计算积聚态颗粒物相应粒径段颗粒群的计数浓度、表面积浓度和体积浓度的一种算法。通过该算法,可以表
征不同环境条件下细颗粒物进入人体的暴露水平。

技术实现思路

[0009]目前PM
2.5
浓度的具体影响因素非常复杂，几乎没有一个普适性的数学模型可以定量的表述PM
2.5
浓度的变化规律，尤其在室内，人们行为活动的影响作用被放大，但是目前的技术手段无法检测因人为活动造成的PM
2.5
浓度。温度和湿度一直以来被认为是影响PM
2.5
浓度变化的重要因素，但是对于精细的研究这些成果还不足以满足要求，我们需要更丰富的数学模型去描述这一过程。
[0010]本专利技术的技术方案：
[0011]基于质量守恒的学生行为对教室内PM
2.5
浓度的计算方法，步骤如下：
[0012]步骤000：基于采集某学校教室内空气质量的空气污染物数据，获取每天的教室空气内的污染物浓度。根据得到的教室室内空气污染共增数据库，挖掘教室内PM
2.5
浓度变化规律。
[0013]所述步骤000包括以下步骤：
[0014]步骤001：传感器的布置方案和数据库的建立
[0015]基于采集某学校教室空气质量的空气污染物数据，对每天的教室污染物浓度，统计空气污染浓度每天的变化状态，将每天空气污染物浓度变化曲线按照月份取平均值，将所有项集整合建立城市空气污染共增数据库；
[0016]步骤010：对可能影响室内PM
2.5
浓度的变量进行皮尔森相关性分析，筛选出高度相关性的变量。
[0017]所述步骤010包括以下步骤：
[0018]步骤011：将传感器能收集到的数据种类统计，获得室外气象站的数据，并建立数据库。
[0019]步骤012：进行皮尔森相关性分析筛选出变量，再根据计算出的皮尔森相关系数的平均值进一步排除如甲醛、二氧化碳、亮度、TVOC等变量。
[0020]步骤013：最终室内外温湿度，室外PM
2.5
浓度。由于较多的拟合项会降低符号回归模型的物理特性，复杂度较高的模型也有过拟合的风险。所以经过同量纲项的整合将室内外温湿度差筛选出来，经过皮尔森相关性检验，证明室内外温湿度差与室内PM
2.5
浓度是显著相关的。
[0021]步骤020：根据筛选出的变量进行符号回归遗传算法分析。
[0022]步骤020包括以下步骤：
[0023]步骤021：通过符号回归遗传算法处理数据
[0024]步骤022：依据帕累托最优得出符号回归的模型。并根据该模型结合室内外温湿度差、室外PM
2.5
浓度计算出该教室在目标时间段无人状态的PM
2.5
浓度变化曲线。
[0025]步骤030：根据符号回归模型补充PM
2.5
浓度动态平衡模型
[0026]步骤030包括以下步骤：
[0027]步骤031:将步骤020的计算结果带入构建的PM
2.5
浓度动态平衡方程。
[0028]步骤032:通过求解微分方程，得到学生行为作为PM
2.5
污染源产生的污染强度。
[0029]本专利技术的有益效果：
[0030]1.该方法通过皮尔森相关性分析得出了潜在的相关因素即室内外温度差和湿度差。由于温度和湿度具有一定的梯度变本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于质量守恒的学生行为对教室内PM
2.5
浓度的计算方法，其特征在于，步骤如下：步骤000：基于采集某学校教室内空气质量的空气污染物数据，获取每天的教室空气内的污染物浓度；根据得到的教室室内空气污染共增数据库，挖掘教室内PM
2.5
浓度变化规律；所述步骤000包括以下步骤：步骤001：传感器的布置方案和数据库的建立基于采集某学校教室空气质量的空气污染物数据，对每天的教室污染物浓度，统计空气污染浓度每天的变化状态，将每天空气污染物浓度变化曲线按照月份取平均值，将所有项集整合建立城市空气污染共增数据库；步骤010：对可能影响室内PM
2.5
浓度的变量进行皮尔森相关性分析，筛选出高度相关性的变量；所述步骤010包括以下步骤：步骤011：将传感器能收集到的数据种类统计，获得室外气象站的数据，并建立数据库；步骤012：进行皮尔森相关性分析筛选出变量，再根据计算出的皮尔森相关系数的平均值进一步排除如甲醛、二氧化碳、亮度和TVOC变量；步骤013：最终室内外温...

【专利技术属性】
技术研发人员：杨光飞，周雨禾，
申请(专利权)人：大连凌空数据科技有限公司大连理工大学人工智能大连研究院，
类型：发明
国别省市：