CN109297534B - 用于评价室内环境质量的环境参数权重确定方法及系统 - Google Patents

Abstract

本发明公开了一种用于评价室内环境质量的环境参数权重确定方法，包括获取环境参数数据；所述环境参数包括但不限于温度、湿度、照度、色温、PM2.5、PM10、甲醛、TVOC、二氧化碳和噪音；结合室内环境的使用场景对所述环境参数数据进行特征提取，获得环境参数特征；使用经训练获得的权重模型对所述环境参数特征做权重分析，获得环境参数的权重。本发明用于评价室内环境质量的环境参数权重确定方法，获取室内环境参数数据后进行特征提取，并对提取的环境参数特征化，使用权重模型对特征化后的环境参数数据做权重分析获得环境参数的权重。运行稳定性和准确性均达到要求，填补目前行业内的空白。

Description

用于评价室内环境质量的环境参数权重确定方法及系统

技术领域

本发明属于室内环境质量监测技术领域，具体涉及一种用于评价室内环境质量的环境参数权重确定方法，及权重确定系统。

背景技术

测量室内环境质量的客观物理指标有很多，包括照度、色温、温度、湿度、PM2.5浓度、二氧化碳浓度等等。目前可以通过各种传感器测量这些物理指标，然后将各项指标的数值报告给相关信息使用者。这样做的问题在于相关信息使用者通常无法直观地理解这些物理指标与身心健康的关系。目前的室内环境质量指标缺少对环境质量的综合量化评价，缺少易于理解的指标。为了解决技术问题，业内正在尝试开发既能定性又能定量的评估方案来评估室内环境质量，将包括照度、色温、温度、湿度、PM2.5浓度、二氧化碳浓度等等的环境参数均囊括进来，每个环境参数对环境质量的影响程度不一样，为此需要对每个环境参数引入权重，如何确定环境参数的权重成为目前需要进一步突破的技术难题。

发明内容

本发明提供一种用于评价室内环境质量的环境参数权重确定方法，填补目前行业内的空白，自动生成用于评价室内环境质量的环境参数权重，运行稳定性和准确性均达到要求。

为了解决上述技术问题，本发明提供了一种用于评价室内环境质量的环境参数权重确定方法，包括，

获取环境参数数据；所述环境参数包括但不限于温度、湿度、照度、色温、PM2.5、PM10、甲醛、TVOC、二氧化碳和噪音；

结合室内环境的使用场景对所述环境参数数据进行特征提取，获得环境参数特征；

使用经训练获得的权重模型对所述环境参数特征做权重分析，获得环境参数的权重。

本发明一个较佳实施例中，进一步包括通过模型训练获得所述权重模型，其训练过程为，

获取用作样本的环境参数数据样本；

结合室内环境的使用场景对环境参数数据样本进行特征提取，获得特征化后的数据样本；

基于相关算法训练特征化后的数据样本，获得所述权重模型。

本发明一个较佳实施例中，进一步包括所述权重模型的训练过程还包括，

对特征后的数据样本进行随机分组，分为训练数据组和测试数据组，使用训练数据组中的数据样本进行模型训练获得所述权重模型；

使用若干个相关算法分别训练所述训练数据组中的数据样本，获得若干个权重模型；

使用所述测试数据组中的数据样本分别测试验证所述若干个权重模型的性能，在所述若干个权重模型中选取匹配度最高的一个为最优权重模型；

使用最优权重模型对环境参数特征做权重分析，获得环境参数的权重。

本发明一个较佳实施例中，进一步包括所述最优权重模型的匹配度不低于95％。

本发明一个较佳实施例中，进一步包括用于训练获得权重模型的相关算法包括但不局限于机器学习算法、卷积神经网络算法、循环神经网络算法、决策树、基于贝叶斯决策理论的分类算法和深度学习算法。

本发明一个较佳实施例中，进一步包括在有新的数据样本导入时，当前测试数据组内的数据样本合并至训练数据组中，新的数据样本进入测试数据组。

为了解决上述技术问题，本发明还提供了一种用于评价室内环境质量的环境参数权重确定系统，包括，

数据采集模块，用于采集室内的环境参数数据；所述环境参数包括但不限于温度、湿度、照度、色温、PM2.5、PM10、甲醛、TVOC、二氧化碳和噪音；

特征提取模块，用于结合室内环境的使用场景对环境参数数据进行提取，获得环境参数特征；

权重分析模块，其使用权重模型对环境参数特征做权重分析，获得环境参数的权重。

本发明一个较佳实施例中，进一步包括其还包括权重模型训练模块，所述权重模型训练模块对环境参数数据样本进行训练，获得所述权重模型，其包括，

数据样本采集单元，用于采集室内的环境参数数据样本，所述环境参数包括但不限于温度、湿度、照度、色温、PM2.5、PM10、甲醛、TVOC、二氧化碳和噪音；

特征提取单元，用于对环境参数数据样本进行特征提取，获得特征化后的数据样本；

模型训练单元，用于使用相关算法训练特征化后的数据样本，获得权重模型。

本发明一个较佳实施例中，进一步包括所述权重模型训练模块还包括数据分组单元，所述数据分组单元将特征后的数据样本随机分组为训练数据组和测试数据组；所述模型训练单元训练训练数据组中的数据样本获得权重模型；所述测试数据中的数据样本用于测试验证所述权重模型的匹配度。

本发明一个较佳实施例中，进一步包括所述模型训练单元使用若干个相关算法分别训练所述训练测试组中的数据样本，获得若干个权重模型；

所述模型训练单元使用所述测试数据组中的数据样本分别测试验证所述若干个权重模型的性能，在所述若干个权重模型中选取匹配度最高的一个为最优权重模型；

权重分析模块使用最优权重模型对环境参数特征做权重分析，获得环境参数的权重。

本发明用于评价室内环境质量的环境参数权重确定方法，获取室内环境参数数据后进行特征提取，并对提取的环境参数特征化，使用权重模型对特征化后的环境参数数据做权重分析获得环境参数的权重。运行稳定性和准确性均达到要求，填补目前行业内的空白。

附图说明

图1是本发明优选实施例中权重确定系统的结构框图；

图2是本发明优选实施例中权重确定方法的流程图；

图3是训练获得权重模型的流程图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

实施例一

如图1所示，本实施例公开了一种用于评价室内环境质量的环境参数权重确定系统，尤其是一种用于评价教室室内环境质量的环境参数权重确定系统，数据采集模块、特征提取模块、权重分析模块和权重训练模块。权重训练模块对用作样本的环境参数数据样本进行训练，获得权重模块。使用经训练获得的权重模型对实际的环境参数数据做权重分析，直接输出环境参数对应的权重。

具体的，通过模型训练获得权重模型的过程如下：

如图3所示，权重模型训练模块包括数据样本采集单元、特征提取单元、数据分组单元和模型训练单元。

数据样本采集单元，用于采集室内的环境参数数据样本，环境参数包括但不限于温度、湿度、照度、色温、PM2.5、PM10、甲醛、TVOC、二氧化碳和噪音。通过分布在环境中的各种传感器采集当前状态下的各个环境参数数据，比如，温度传感器采集当前状态下的温度为28℃、湿度传感器采集的湿度为47％等等，以此来获取环境中当前状态下各个环境参数的数据样本。

特征提取单元，用于结合室内环境的使用场景对环境参数数据样本进行特征提取，获得特征化后的数据样本。具体的，结合室内环境的使用场景，剔除非正常的数据样本和非工作时间的数据样本。比如，传感器处于故障或者断电状态时，采集的数据异常(远大于或者远小于正常值)、或者断电状态时输出“--”，通过特征提取单元剔除这种非正常的数据样本。另一种情况下，比如，正常情况下室内环境的时间是9:00-17:00，通过特征提取单元剔除这一工作时间以外的数据样本。

数据分组单元，其将特征化后的数据样本随机分为训练数据组和测试数据组。具体的，将特征化后的所有数据样本中的80％归为训练数据组，20％归为测试数据组。

模型训练单元，用于使用相关算法训练上述训练数组中的数据样本，获得权重模型。具体的，相关算法包括但不局限于机器学习算法、卷积神经网络算法、循环神经网络算法、决策树、基于贝叶斯决策理论的分类算法和深度学习算法。模型训练单元使用以上的若干个相关算法分别训练数据样本，获得若干个权重模型。并使用测试数据组中的数据样本分别测试验证若干个权重模型的性能，在若干个权重模型中选取匹配度最高的一个为最优权重模型。比如，将测试数据组中的数据样本导入各个权重模型中，看各个权重模型输出的权重是否与实际情况相匹配，选取匹配度最高的的权重模型为最优权重模型，本实施例技术方案中，限定最优权重模型的匹配度不低于95％。测试验证后，如果所有的权重模型的匹配度都低于95％，则对匹配度最高的权重模型进行迭代优化，直至其匹配度不低于95％。

需要注意的是，在有新的数据样本导入时，当前测试数据组内的数据样本合并至训练数据组中，新的数据样本进入测试数据组，以此不断优化权重模型。

通过训练、筛选获得最优权重模型后，使用最优权重模型来对当前状态下的环境参数做权重分析，获得当前状态下各个环境参数的权重，其包括数据采集模块、特征提取模块、权重分析模块。

数据采集模块，用于采集室内的环境参数数据；环境参数包括但不限于温度、湿度、照度、色温、PM2.5、PM10、甲醛、TVOC、二氧化碳和噪音。通过分布在环境中的各种传感器采集当前状态下的各个环境参数数据，比如，温度传感器采集当前状态下的温度为28℃、湿度传感器采集的湿度为47％等等，以此来获取环境中当前状态下各个环境参数的数据。

特征提取模块，用于结合室内环境的使用场景对环境参数数据进行提取，获得环境参数特征。具体的，结合室内环境的使用场景，剔除非正常的环境参数数据和非工作时间的环境参数数据。比如，传感器处于故障或者断电状态时，采集的数据异常(远大于或者远小于正常值)、或者断电状态时输出“--”，通过特征提取模块剔除这种非正常的环境参数数据。另一种情况下，比如，正常情况下室内环境的时间是9:00-17:00，通过特征提取模块剔除这一工作时间以外的环境参数数据。

权重分析模块，其使用经训练和筛选获得的最优权重模型对环境参数特征做权重分析，获得环境参数的权重。具体的，将特征化后的环境参数数据导入最优权重模型中，最优权重模型对环境参数数据做权重分析直接输出各个环境参数的权重。

实施例二

如图2所示，本实施例公开了一种用于评价室内环境质量的环境参数权重确定方法，包括，

(1)获取环境参数数据；环境参数包括但不限于温度、湿度、照度、色温、PM2.5、PM10、甲醛、TVOC、二氧化碳和噪音。通过分布在环境中的各种传感器采集当前状态下的各个环境参数数据，比如，温度传感器采集当前状态下的温度为28℃、湿度传感器采集的湿度为47％等等，以此来获取环境中当前状态下各个环境参数的数据。

(2)结合室内环境的使用场景对环境参数数据进行特征提取，获得环境参数特征。具体的，结合室内环境的使用场景，剔除非正常的环境参数数据和非工作时间的环境参数数据。比如，传感器处于故障或者断电状态时，采集的数据异常(远大于或者远小于正常值)、或者断电状态时输出“--”，通过特征提取模块剔除这种非正常的环境参数数据。另一种情况下，比如，正常情况下室内环境的时间是9:00-17:00，通过特征提取模块剔除这一工作时间以外的环境参数数据。

(3)使用经训练获得的权重模型对环境参数特征做权重分析，获得环境参数的权重。

本实施例技术方案中，上述权重模型通过训练获得，如图3所示，其训练过程为：

(3.1)获取用作样本的环境参数数据样本。环境参数包括但不限于温度、湿度、照度、色温、PM2.5、PM10、甲醛、TVOC、二氧化碳和噪音。通过分布在环境中的各种传感器采集当前状态下的各个环境参数数据，比如，温度传感器采集当前状态下的温度为28℃、湿度传感器采集的湿度为47％等等，以此来获取环境中当前状态下各个环境参数的数据样本。

(3.2)结合室内环境的使用场景对环境参数数据样本进行特征提取，获得特征化后的数据样本。具体的，结合室内环境的使用场景，剔除非正常的数据样本和非工作时间的数据样本。比如，传感器处于故障或者断电状态时，采集的数据异常(远大于或者远小于正常值)、或者断电状态时输出“--”，通过特征提取单元剔除这种非正常的数据样本。另一种情况下，比如，正常情况下室内环境的时间是9:00-17:00，通过特征提取单元剔除这一工作时间以外的数据样本。

(3.3将特征化后的数据样本随机分为训练数据组和测试数据组。具体的，将特征化后的所有数据样本中的80％归为训练数据组，20％归为测试数据组。

(3.4)基于相关算法训练特征化后的数据样本，获得权重模型。具体的，相关算法包括但不局限于机器学习算法、卷积神经网络算法、循环神经网络算法、决策树、基于贝叶斯决策理论的分类算法和深度学习算法。模型训练单元使用以上的若干个相关算法分别训练数据样本，获得若干个权重模型。并使用测试数据组中的数据样本分别测试验证若干个权重模型的性能，在若干个权重模型中选取匹配度最高的一个为最优权重模型。比如，将测试数据组中的数据样本导入各个权重模型中，看各个权重模型输出的权重是否与实际情况相匹配，选取匹配度最高的的权重模型为最优权重模型，本实施例技术方案中，限定最优权重模型的匹配度不低于95％。测试验证后，如果所有的权重模型的匹配度都低于95％，则对匹配度最高的权重模型进行迭代优化，直至其匹配度不低于95％。

需要注意的是，在有新的数据样本导入时，当前测试数据组内的数据样本合并至训练数据组中，新的数据样本进入测试数据组，以此不断优化权重模型。

(4)使用经训练、筛选获得的最优权重模型对环境参数特征做权重分析，获得环境参数的权重。具体的，将特征化后的环境参数数据导入最优权重模型中，最优权重模型对环境参数数据做权重分析直接输出各个环境参数的权重。

以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (8)

1.一种用于评价室内环境质量的环境参数权重确定方法，自动生成用于评价室内环境质量的环境参数权重，其特征在于：所述方法包括，

获取环境参数数据；所述环境参数包括但不限于温度、湿度、照度、色温、PM2.5、PM10、甲醛、TVOC、二氧化碳和噪音；

结合室内环境的使用场景对所述环境参数数据进行特征提取，获得环境参数特征；特征提取包括结合室内环境的使用场景，剔除非正常的数据样本和非工作时间的数据样本；

使用经训练获得的权重模型对所述环境参数特征做权重分析，获得环境参数的权重；

通过模型训练获得所述权重模型，其训练过程为：

获取用作样本的环境参数数据样本；

结合室内环境的使用场景对环境参数数据样本进行特征提取，获得特征化后的数据样本；

基于相关算法训练特征化后的数据样本，获得所述权重模型，

所述权重模型的训练过程还包括，

对特征后的数据样本进行随机分组，分为训练数据组和测试数据组，使用训练数据组中的数据样本进行模型训练获得所述权重模型；

使用若干个相关算法分别训练所述训练数据组中的数据样本，获得若干个权重模型；

使用所述测试数据组中的数据样本分别测试验证所述若干个权重模型的性能，在所述若干个权重模型中选取匹配度最高的一个为最优权重模型；

使用最优权重模型对环境参数特征做权重分析，获得环境参数的权重。

2.如权利要求1所述的用于评价室内环境质量的环境参数权重确定方法，其特征在于：所述最优权重模型的匹配度不低于95％。

3.如权利要求1所述的用于评价室内环境质量的环境参数权重确定方法，其特征在于：用于训练获得权重模型的相关算法包括但不局限于机器学习算法、卷积神经网络算法、循环神经网络算法、决策树、基于贝叶斯决策理论的分类算法和深度学习算法。

4.如权利要求1所述的用于评价室内环境质量的环境参数权重确定方法，其特征在于：在有新的数据样本导入时，当前测试数据组内的数据样本合并至训练数据组中，新的数据样本进入测试数据组。

5.一种用于评价室内环境质量的环境参数权重确定系统，其特征在于：包括，

数据采集模块，用于采集室内的环境参数数据；所述环境参数包括但不限于温度、湿度、照度、色温、PM2.5、PM10、甲醛、TVOC、二氧化碳和噪音；

特征提取模块，用于结合室内环境的使用场景对环境参数数据进行提取，获得环境参数特征；特征提取包括结合室内环境的使用场景，剔除非正常的数据样本和非工作时间的数据样本；

权重分析模块，其使用权重模型对环境参数特征做权重分析，获得环境参数的权重。

6.如权利要求5所述的用于评价室内环境质量的环境参数权重确定系统，其特征在于：其还包括权重模型训练模块，所述权重模型训练模块对环境参数数据样本进行训练，获得所述权重模型，其包括，

数据样本采集单元，用于采集室内的环境参数数据样本，所述环境参数包括但不限于温度、湿度、照度、色温、PM2.5、PM10、甲醛、TVOC、二氧化碳和噪音；

特征提取单元，用于对环境参数数据样本进行特征提取，获得特征化后的数据样本；

模型训练单元，用于使用相关算法训练特征化后的数据样本，获得权重模型。

7.如权利要求6所述的用于评价室内环境质量的环境参数权重确定系统，其特征在于：所述权重模型训练模块还包括数据分组单元，所述数据分组单元将特征后的数据样本随机分组为训练数据组和测试数据组；所述模型训练单元训练训练数据组中的数据样本获得权重模型；所述测试数据中的数据样本用于测试验证所述权重模型的匹配度。

8.如权利要求7所述的用于评价室内环境质量的环境参数权重确定系统，其特征在于：所述模型训练单元使用若干个相关算法分别训练所述训练测试组中的数据样本，获得若干个权重模型；

所述模型训练单元使用所述测试数据组中的数据样本分别测试验证所述若干个权重模型的性能，在所述若干个权重模型中选取匹配度最高的一个为最优权重模型；

权重分析模块使用最优权重模型对环境参数特征做权重分析，获得环境参数的权重。

Images