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
用于评价室内环境质量的环境参数权重确定方法及系统 Download PDFInfo
- Publication number
- CN109297534B CN109297534B CN201811107677.XA CN201811107677A CN109297534B CN 109297534 B CN109297534 B CN 109297534B CN 201811107677 A CN201811107677 A CN 201811107677A CN 109297534 B CN109297534 B CN 109297534B
- Authority
- CN
- China
- Prior art keywords
- weight
- environmental parameter
- data
- training
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
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
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。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811107677.XA CN109297534B (zh) | 2018-09-21 | 2018-09-21 | 用于评价室内环境质量的环境参数权重确定方法及系统 |
PCT/CN2018/109858 WO2020056812A1 (zh) | 2018-09-21 | 2018-10-11 | 用于评价室内环境质量的环境参数权重确定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811107677.XA CN109297534B (zh) | 2018-09-21 | 2018-09-21 | 用于评价室内环境质量的环境参数权重确定方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109297534A CN109297534A (zh) | 2019-02-01 |
CN109297534B true CN109297534B (zh) | 2020-12-29 |
Family
ID=65163710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811107677.XA Active CN109297534B (zh) | 2018-09-21 | 2018-09-21 | 用于评价室内环境质量的环境参数权重确定方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109297534B (zh) |
WO (1) | WO2020056812A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110009245A (zh) * | 2019-04-12 | 2019-07-12 | 阳江职业技术学院 | 基于神经网络的室内空气质量预测方法、装置及电子设备 |
CN110675006A (zh) * | 2019-11-07 | 2020-01-10 | 桂林理工大学 | 一种室内空气质量实时监测与甲醛衰减预测系统 |
CN112561244B (zh) * | 2020-11-26 | 2021-08-03 | 清华大学 | 一种结合室内人员信息的建筑环境评价方法及系统 |
CN112903028A (zh) * | 2021-03-03 | 2021-06-04 | 中国建筑股份有限公司 | 一种室内环境人员满意度评价方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105698861A (zh) * | 2016-03-04 | 2016-06-22 | 广东轻工职业技术学院 | 一种室内环境舒适度评价方法 |
CN105929804A (zh) * | 2016-06-07 | 2016-09-07 | 江苏长宁电力科技有限公司 | 建筑环境自适应节能管理系统 |
CN105974869B (zh) * | 2016-06-28 | 2019-05-21 | 江苏长宁电力科技有限公司 | 一种应用于建筑环境自适应节能管理系统的节能监控中心 |
CN108363294A (zh) * | 2017-01-26 | 2018-08-03 | 安徽东方果园生物科技有限公司 | 一种农产品运输封闭和半封闭厢体的环境监测预警方法和环境监测预警系统 |
CN107477772A (zh) * | 2017-07-21 | 2017-12-15 | 天津大学 | 基于室内监测数据的住宅新风系统控制方法 |
CN108053054B (zh) * | 2017-11-22 | 2020-09-01 | 中国农业大学 | 一种河流水质预测方法 |
CN108319134A (zh) * | 2018-01-15 | 2018-07-24 | 沈阳大学 | 一种基于极限学习机网络的温室环境智能控制方法 |
CN108492044A (zh) * | 2018-04-01 | 2018-09-04 | 安徽大学江淮学院 | 基于人工神经网络模型的室内舒适度综合评价系统及方法 |
CN109060023B (zh) * | 2018-08-08 | 2021-02-05 | 广东盈峰科技有限公司 | 一种微型环境监测的数据质控方法及系统 |
-
2018
- 2018-09-21 CN CN201811107677.XA patent/CN109297534B/zh active Active
- 2018-10-11 WO PCT/CN2018/109858 patent/WO2020056812A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
CN109297534A (zh) | 2019-02-01 |
WO2020056812A1 (zh) | 2020-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109297534B (zh) | 用于评价室内环境质量的环境参数权重确定方法及系统 | |
CN105928901B (zh) | 一种定性定量相结合的近红外定量模型构建方法 | |
KR20160071000A (ko) | 냄새 감성 판정 장치 및 방법 | |
CN106580282A (zh) | 一种人体健康监测装置、系统及方法 | |
CN111343147B (zh) | 一种基于深度学习的网络攻击检测装置及方法 | |
TW202223750A (zh) | 用於在光譜量化期間避免誤報識別的設備和方法以及相關的非暫時性電腦可讀取媒體 | |
CN114563150B (zh) | 桥梁健康在线检测模块生成方法、检测方法、工具箱及装置 | |
CN111984442A (zh) | 计算机集群系统的异常检测方法及装置、存储介质 | |
CN111832389B (zh) | 一种骨髓细胞形态学自动检测系统的计数及分析方法 | |
CN115576284A (zh) | 一种服装车间智能化管理方法及系统 | |
CN116450399A (zh) | 微服务系统故障诊断及根因定位方法 | |
CN117273551B (zh) | 一种改性沥青智能生产管理方法、系统及存储介质 | |
CN113283768A (zh) | 食品检测项目提取方法、装置、设备及存储介质 | |
CN116485020B (zh) | 一种基于大数据的供应链风险识别预警方法、系统及介质 | |
CN116502155A (zh) | 一种用于数控电动螺旋压力机的安全监管系统 | |
CN110728315A (zh) | 一种实时质量控制方法,系统和设备 | |
CN112255383A (zh) | 一种基于大数据的水质监测分析系统 | |
CN113624280A (zh) | 一种工业生产仪器仪表运行检测数据分析管理方法、设备及存储介质 | |
CN107122496B (zh) | 基于类别分析法的近红外光谱物质含量索引方法、设备及介质 | |
CN111914490A (zh) | 一种基于深度卷积随机森林自编码的泵站机组状态评价方法 | |
CN116522248B (zh) | 基于机器学习的核酸异常数据智能研判系统 | |
WO2022252079A1 (zh) | 数据处理方法及装置 | |
CN117740082A (zh) | 一种电力设备故障风险预警方法及系统 | |
CN115391080A (zh) | 一种基于属性过滤的流程一致性检验方法与系统 | |
CN114553756A (zh) | 基于联合生成对抗网络的设备故障检测方法与电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Method and system for determining weight of environmental parameters for evaluating indoor environmental quality Effective date of registration: 20220602 Granted publication date: 20201229 Pledgee: Zhejiang Tailong Commercial Bank Co.,Ltd. Suzhou Likou sub branch Pledgor: DATATELLIT (SUZHOU) Inc. Registration number: Y2022320010187 |