【技术实现步骤摘要】
本专利技术涉及物联网空气质量智能调控，具体涉及基于物联网的康养旅居环境空气质量监测净化方法及系统。
技术介绍
1、随着人们对健康生活的追求，康养旅居环境的空气质量愈发重要；康养旅居人群多为老年人、亚健康群体或康复患者，其对空气质量的敏感度远高于普通人群，传统固定指标的空气质量监测及净化方式已无法满足个性化、动态化的康养需求；当前亟须一种能够结合人体健康特征、动态环境变化的智能监测及净化技术，以实现对康养旅居环境空气质量的精准调控，保障旅居人员的身心健康。
2、传统的空气质量监测及净化技术通常采用固定点位布置传感器、预设统一净化阈值的方式。其优点是系统架构简单、部署成本较低；但缺点在于无法考虑不同人群的个体差异，也不能根据环境空间功能及人员活动规律进行动态调整，难以在康养旅居场景中实现精准的空气质量保障，尤其对于需要差异化健康呵护的特殊人群，传统技术的适用性明显不足。
3、现有技术尝试结合环境参数进行净化策略调整，但大多缺乏对人体生理指标的实时监测与分析，未构建个性化的空气质量标准，同时在空间处理上多采用静态区域划...
【技术保护点】
1.基于物联网的康养旅居环境空气质量智能监测及净化方法，其特征在于，包括：
2.根据权利要求1所述的基于物联网的康养旅居环境空气质量智能监测及净化方法，其特征在于，所述S1中将康养旅居环境按空间功能与人员活动规律划分为动态微环境区域，具体为：通过部署在环境中的红外热成像传感器、毫米波雷达传感器实时监测人员活动轨迹与聚集密度，结合区域的功能属性，将康养旅居环境划分为基础生活区、康复理疗区、冥想静息区、社交活动区；同时，根据人员的实时活动状态，动态生成临时功能区域，各动态微环境区域的边界通过虚拟电子围栏技术进行界定，电子围栏的范围根据人员活动变化实时调整。p>
3.根据权...
【技术特征摘要】
1.基于物联网的康养旅居环境空气质量智能监测及净化方法，其特征在于，包括：
2.根据权利要求1所述的基于物联网的康养旅居环境空气质量智能监测及净化方法，其特征在于，所述s1中将康养旅居环境按空间功能与人员活动规律划分为动态微环境区域，具体为：通过部署在环境中的红外热成像传感器、毫米波雷达传感器实时监测人员活动轨迹与聚集密度，结合区域的功能属性，将康养旅居环境划分为基础生活区、康复理疗区、冥想静息区、社交活动区；同时，根据人员的实时活动状态，动态生成临时功能区域，各动态微环境区域的边界通过虚拟电子围栏技术进行界定，电子围栏的范围根据人员活动变化实时调整。
3.根据权利要求1所述的基于物联网的康养旅居环境空气质量智能监测及净化方法，其特征在于，所述s2中获取不同时间段的人体生物节律特征，建立个性化的康养空气质量动态标准，具体为：获取人体生物节律特征向量b和区域空气指标关联度，建立个性化的康养空气质量动态标准sd，公式为其中w为生物节律特征权重矩阵，λk为第k种空气指标的调节系数，ck为第k种空气指标的标准参考值，mk为空气指标种类数量。
4.根据权利要求1所述的基于物联网的康养旅居环境空气质量智能监测及净化方法，其特征在于，所述s3中的环境-健康耦合评估模型具体为：构建包含环境参数层、生理响应层和耦合评估层的三层神经网络结构，环境参数层输入当前云端管理平台获取的空气指标数据x，生理响应层输入多模态感知终端采集的生理指标数据y，通过耦合评估层计算初始区域空气-健康评估值ehi，公式为：其中αi为第i个环境指标的权重，βj为第j个生理指标的权重，n为环境指标数量，m为生理指标数量。
5.根据权利要求1所述的基于物联网的康养旅居环境空气质量智能监测及净化方法，其特征在于，所述s4中的动态阈值偏差检测模型为：利用lstm构建时序特征提取模块，将初始区域空气-健康评估值序列和个性化的康养空气质量动态标准序列作为输入，通过lstm网络学习时间序列的长期依赖关系，提取特征向量，利用注意力机制构建偏差计算模块，公式为：其中wa、wh、ws分别为相应权重矩阵，ba为偏置向量，为注意力权重向量，和分别为初始区域空气-健康评估值序列和个性化的康养空气质量动态标准序列的特征向量，计算偏差特征向量，公式为：构建动态阈值偏差检测模型。
6.根据权利要求1或5所述的基于物联网的康养旅居环境空气质量智能监测及净化方法，其特征在于，通过动态阈值偏差检测模型判断初始区域空气-健康评估值是否偏离个性化的康养空气质量动态标准，具体为：对动态阈值偏差检测模型输出的...
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。