一种室内污染源位置识别方法技术

本发明专利技术公开了一种室内污染源位置识别方法，在正向模拟阶段，根据研究对象，建立相应的物理模型，设定传感器位置、数量及检出限，确定训练样本数，进行正向模拟计算。在网络训练阶段，使用三层网络结构，分别使用三种监测数据作为网络的输入，根据正向计算结果确定输入层神经元个数，将归一化后的污染源空间坐标作为网络的输出，使用贝叶斯正则化算法对网络进行训练，选定合适的训练参数，对网络进行训练，以确定最佳网络参数。在识别阶段可利用实际监测的污染物数据作为输入信息，进而快速识别出污染源位置；与现有技术相比，本发明专利技术使用CFD技术与BP神经网络技术相结合，实现室内污染源位置的快速识别，且识别结果准确、有效。

【技术实现步骤摘要】

本专利技术涉及，特别是涉及一种基于CFD技术与BP神 经网络相结合的室内污染源位置识别方法。
技术介绍
随着生活水平的提高，人们对室内空气品质的要求越来越高。近年来屡次出现的 室内空气污染事件使室内环境的安全问题受到了公众和社会的广泛关注。室内空气环境中 可能存在的污染物主要为有机污染物，且种类众多。如何快速找到污染源位置，并最终确定 污染源成为当前的研究热点问题。计算流体力学(CFD )方法已经广泛应用于室内空气环境模拟，成本低，效果好。通 过求解粘性流体运动方程(Navier-Stokes) NS方程，CFD方法能够模拟出真实室内空气环 境，因此现有对室内污染源的识别技术往往是结合CFD方法提出的。现有技术的CFD方法主 要有伴随方程法、马尔科夫链蒙特卡洛积分、贝叶斯概率法等，这些方法的计算过程复杂， 计算时间往往较长，当实际污染事件发生时，不能实现快速识别。人工神经网络是在现代神经科学的基础上提出和发展起来的，能反映人脑结构及 功能。它在模式识别、图像处理、智能控制、金融预测与管理，通信等领域得到广泛的应用。 多层前馈网络(back propagation)BP神经网络是使用本文档来自技高网...

【技术保护点】
一种室内污染源位置识别方法，利用计算流体力学CFD方法与多层前馈网络BP网络的结合，分为正向模拟阶段、训练阶段和识别阶段，实现神经网络的污染源位置识别，其特征在于，该方法包括具体以下步骤：步骤一，正向模拟阶段：利用CFD方法根据研究对象建立物理模型，设定传感器数量、位置为检出限，设定初始条件与边界条件，位确定训练样本的数量及位置，进行正向模拟计算，得到各个监测点处污染物浓度随时间变化的曲线；步骤二、网络训练阶段：将训练样本中污染源位置和污染源位置监测信息输入BP网络，根据正向模拟计算结果确定输入层神经元个数，将归一化后的训练样本中污染源空间坐标作为BP网络的输出，选定训练参数；使用贝叶斯正则化...

【技术特征摘要】

【专利技术属性】
技术研发人员：尤学一，张天虎，
申请(专利权)人：天津大学，
类型：发明
国别省市：