基于物理信息的机器学习预测家具释放污染物浓度的方法技术

本发明专利技术属于室内环境检验技术领域，特别涉及能实现对家具释放的挥发性有机物浓度的快速预测；该测定方法包括搭建环境舱以获取用来训练和验证的家具释放污染物浓度数据；建立基于物理信息的人工神经网络预测模型，将瞬态传质方程和质量守恒方程与人工神经网络相结合，使物理方程参与到人工神经网络的训练过程；家具释放方向的坐标和测试时间作为训练过程中的网络输入，环境舱内污染物的气相浓度和家具内污染物的浓度作为训练过程中的网络输出，最终预测结果可以直接得到给定时刻环境舱污染物浓度的预测值；本发明专利技术的预测方法简单、预测周期短、精度高，便于实验室和工程应用，而且为污染物浓度的预测提供了新思路。污染物浓度的预测提供了新思路。污染物浓度的预测提供了新思路。

【技术实现步骤摘要】
基于物理信息的机器学习预测家具释放污染物浓度的方法
所属

[0001]本专利技术属于室内环境检验
，特别涉及能实现对家具释放的挥发性有机物浓度的快速预测。

技术介绍

[0002]随着人类文明的进步和科技的发展，人们生活和工作的重心渐渐从室外向室内转移，人们对于居住环境的要求不再局限于实用性和安全性，而更多地关注居住环境的舒适性和健康性。低劣的室内空气质量是对人体健康有严重危害，对于装修时间短的房屋来说，影响空气质量的主要因素是家具材料中释放的挥发性有机物VOC。VOC对人体有害，会使得人体产生许多症状，如眼、鼻、喉刺激、呼吸困难、头晕头痛等，被称为病态建筑综合征，在远离建筑后这些症状往往会得到改善。建筑室内环境中存在的VOC具有种类繁多、来源广泛、成分复杂、作用时间长等特点。因此，何时室内环境空气中VOC的浓度达标也成为大家非常关心的问题。在先前的研究中，描述室内建材和家具中VOC释放的物理模型已经得到了很好的发展，并且已经提出了许多方法来测量模型中的三个关键参数，即初始可释放浓度C0，扩散系数D
m
和分配系数K。从经典的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于物理信息的机器学习预测家具释放污染物浓度的方法，其特征在于，包括以下步骤：1)搭建基于物理信息的机器学习模型，其中的人工神经网络中不带有物理信息的部分，设置不带有物理信息的人工神经网络的隐藏层及隐藏层神经单元的数量，以及输入变量、输出变量和激活函数；2)建立一个带有物理信息的模型，其通过损失函数来实现；损失函数为非负实数函数，用来量化模型预测值和真实值之间的差异，协助网络通过训练过程的改善而持续减少预测值的波动，将网络计算的数据的偏差与物理方程迭代前后的偏差相结合；损失函数具体可表示为：为：为：式中,l为损失函数；l1、l2分别为描述环境舱中家具挥发性有机物VOC释放的瞬态传质方程和质量守恒方程所对应的损失；N为迭代次数；t为测试时间,s；x为家具中VOC释放方向的坐标，m；C
m
为家具内VOC的浓度，μg/m3；C
m
(t
n
,x
n
)表示x位置、t时刻第n次的家具内VOC的浓度，μg/m3；D
m
为家具内VOC扩散系数，m2/s；V为环境舱的体积，m3；C
a
为环境舱中VOC的浓度，μg/m3；C
a
(t
n
,x
n
)表示x位置、t时刻第n次的环境舱中V...

【专利技术属性】
技术研发人员：熊建银，张瑞，谭彦达，王海媚，张美霞，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：