通过人工智能模型根据室内空气质量传感器数据预测室内生物气溶胶浓度制造技术

一种用于预测室内生物气溶胶浓度的方法。该方法包括以下步骤：提供多个AI模型、评估多个AI模型中的每一个对场所的预测准确性、从场所的多个AI模型中选择最佳模型、将场所的测量数据输入到最佳模型中、和通过场所的最佳模型，生成室内生物气溶胶浓度的预测。一种用于预测室内生物气溶胶浓度的方法。该方法包括以下步骤：提供多个AI模型、评估多个AI模型中的每一个对场所的预测准确性、从场所的多个AI模型中选择最佳模型、将场所的测量数据输入到最佳模型中、和通过场所的最佳模型，生成室内生物气溶胶浓度的预测。本发明专利技术的实施例提供了利用AI模型预测室内生物气溶胶的实时和近期浓度的方法，其能够准确监测和预测室内生物气溶胶浓度。

【技术实现步骤摘要】

本专利技术涉及空气质量监测，尤其涉及室内生物气溶胶浓度的监测和预测。

技术介绍

1、人们在室内度过的时间超过85％1–3，这意味着室内空气质量(iaq)会显著影响人类健康3。因此，较差的iaq会导致与建筑相关的疾病4。由于室内空气中约5％–34％的颗粒物(pm)以生物气溶胶(即细菌、真菌和花粉)的形式存在5，这些颗粒正受到越来越多的研究关注5–7，特别是当2019新冠病毒病(covid-19)大流行仍在继续的时候8,9。

2、基于培养的方法传统上用于确定生物气溶胶的浓度10,11，但由于这些方法需要离线处理和较长的培育时间，因此无法提供实时信息。此外，由于已知许多微生物在标准实验室条件下无法被培养12，因此生物气溶胶浓度通常被低估13。作为替代的，紫外光/激光诱导荧光技术可用于实时确定生物气溶胶的浓度和特性14–18。然而，这些分析所需的仪器又大又贵，这使得将它们在室内环境中广泛部署是不切实际的。

3、基于人工智能(ai)的方法，例如机器学习和深度学习模型，已被开发来用于iaq的预测，并应用于使用实时传感器测量的数据预测iaq参数值本文档来自技高网...

【技术保护点】

1.一种用于适应性一种预测室内生物气溶胶浓度的方法，包括以下步骤：

2.根据权利要求1所述的方法，其中所述多个AI模型包括线性回归模型、套索回归模型、随机森林模型、极端梯度提升模型、多层感知器模型、长短期记忆模型、以及递归神经网络模型中的一个或多个。

3.根据权利要求1所述的方法，其中所述评估多个AI模型中的每一个对场所的预测准确性的步骤，还包括以下步骤：

4.根据权利要求3所述的方法，其中所述差异数据包括均方误差、均方根误差和修正版威尔莫特指数中的一个或多个。

5.根据权利要求3所述的方法，其中所述多于一对的输入和输出时间窗口包括实时窗口...

【技术特征摘要】

1.一种用于适应性一种预测室内生物气溶胶浓度的方法，包括以下步骤：

2.根据权利要求1所述的方法，其中所述多个ai模型包括线性回归模型、套索回归模型、随机森林模型、极端梯度提升模型、多层感知器模型、长短期记忆模型、以及递归神经网络模型中的一个或多个。

3.根据权利要求1所述的方法，其中所述评估多个ai模型中的每一个对场所的预测准确性的步骤，还包括以下步骤：

4.根据权利要求3所述的方法，其中所述差异数据包括均方误差、均方根误差和修正版威尔莫特指数中的一个或多个。

5.根据权利要求3所述的方法，其中所述多于一对的输入和输出时间窗口包括实时窗口对...

【专利技术属性】
技术研发人员：李燚阳，周力德，苗延豪，李钧瀚，
申请(专利权)人：香港城市大学，
类型：发明
国别省市：