CN109612057A - 室内pm2.5预警控制方法、装置及计算机可读存储介质 - Google Patents
室内pm2.5预警控制方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109612057A CN109612057A CN201811655321.XA CN201811655321A CN109612057A CN 109612057 A CN109612057 A CN 109612057A CN 201811655321 A CN201811655321 A CN 201811655321A CN 109612057 A CN109612057 A CN 109612057A
- Authority
- CN
- China
- Prior art keywords
- concentration
- indoor
- data
- value
- estimated
- 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.)
- Granted
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/89—Arrangement or mounting of control or safety devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/50—Air quality properties
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/50—Air quality properties
- F24F2110/64—Airborne particle content
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及空气检测技术领域,具体涉及一种室内PM2.5预警控制方法、装置及计算机可读存储介质,包括如下步骤:获取室外空气质量基础数据;根据所述室外空气质量基础数据预估室内PM2.5浓度值;将所预估的室内PM2.5浓度值与标准浓度阈值进行比较,当超过标准浓度阈值时发出预警通知并进行相应的浓度处理控制。本发明提供的室内PM2.5预警控制方法、装置及计算机可读存储介质,可以方便快捷地随时掌握室内PM2.5浓度值,提示预警,并对其进行有效控制,有利于营造健康、安全、舒适的室内空气环境,减轻对人体的危害。
Description
技术领域
本发明涉及空气检测技术领域,具体涉及一种室内PM2.5预警控制方法、装置及计算机可读存储介质。
背景技术
由于人们长时间待在室内,尤其对于家庭主妇、老人、儿童来说,在室内的时间更是在95%以上,因此,人们更希望待在一个健康、安全、舒适的室内环境。大量关于室内外细颗粒物污染物关系的研究表明,室内室外的PM2.5浓度具有明显的相关性,因为室外PM2.5可以经过门窗及墙体等围护结构缝隙进入室内。城市人群长期暴露在PM2.5较高的环境下会对健康产生有害影响,而人体对微弱的污染物感知不敏感;虽然,现有市面上具有监测PM2.5浓度的相关设备,但通常只能检测到当前空气质量的好坏,不具有预警功能,也不能根据所检测出的浓度进行控制以改善空气质量。
发明内容
本发明为了能够更好地保证室内空气品质,减轻对人们身体的危害,提供了一种室内PM2.5预警控制方法、装置及计算机可读存储介质。
为了达到上述技术效果,本发明包括以下技术方案:第一方面,本发明提供了一种室内PM2.5预警控制方法,包括如下步骤:
(1)获取室外空气质量基础数据;
(2)根据所述室外空气质量基础数据预估室内PM2.5浓度值;
(3)将所预估的室内PM2.5浓度值与标准浓度阈值进行比较,当超过标准浓度阈值时发出预警通知并进行相应的浓度处理控制。
进一步地,所述步骤(3)将所预估的室内PM2.5浓度值与标准浓度阈值进行比较,包括:根据预估的室内PM2.5浓度值和标准浓度阈值对PM2.5险情标记等级,分级类别为1-5级,具体为,
进一步地,所述步骤(3)包括根据险情等级发出预警通知并进行相应处理控制,具体为:
若所预估的室内PM2.5浓度值≤35μg/m3,不做处理控制;
若所预估的室内PM2.5浓度值在35-75μg/m3范围内,先将预估值与室外PM2.5浓度值进行比较,若预估值大于室外PM2.5浓度值,则采用被动控制,即进行自然通风,并进行预警通知;若预估值小于室外PM2.5浓度值,则采用主动控制,进行粗中效过滤,并进行预警通知;
若所预估的室内PM2.5浓度值在75-115μg/m3范围内,则采用主动控制,进行静电吸附处理,并进行预警通知;
若所预估的室内PM2.5浓度值在115-150μg/m3范围内,则采用主动控制,进行高效过滤,并进行预警通知;
若所预估的室内PM2.5浓度值≥150μg/m3,则采用主动控制,控制空气净化器工作,并进行预警通知。
第二方面,本发明提供了一种室内PM2.5预警控制装置,所述装置包括,
获取模块:用于获取室外空气质量基础数据;
预估模块:用于根据所述室外空气质量基础数据预估室内PM2.5浓度值;
判断模块:用于将所预估的室内PM2.5浓度值与标准浓度阈值进行比较,判断是否超过标准浓度阈值;
预警模块:用于发送预警通知;
控制模块:用于根据判断结果进行相应的浓度处理控制。
还包括分级模块,其用于根据预估的室内PM2.5浓度值和标准浓度阈值对PM2.5险情标记等级,分级类别为1-5级,具体为,
第三方面,本发明提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述方法的步骤。
采用上述技术方案,包括以下有益效果:本发明提供的室内PM2.5预警控制方法、装置及计算机可读存储介质,可以方便快捷地随时掌握室内PM2.5浓度值,提示预警,并对其进行有效控制,有利于营造健康、安全、舒适的室内空气环境,减轻对人体的危害。
具体实施方式
下面通过具体的实施例对本发明做进一步的详细描述。
实施例:
本实施例提供了一种室内PM2.5预警控制方法,包括如下步骤:
S1、获取室外空气质量基础数据;
通过大数据平台获取室外空气质量基础数据;所述空气质量基础数据为室外浓度、室外风速、室外气温、室外空气相对湿度、所在气候区(严寒地区、寒冷地区、夏热冬冷地区、夏热冬暖地区和温和地区)、房间功能(住宅、大厅、地下室、办公区域等)、缝隙高度、缝隙深度、缝隙两侧压差、缝隙形状(L型、U型、直缝型)、缝隙直角数、气密性等级中的一种或多种;
上述空气质量基础数据可以通过相应的传感器获取后存储在大数据平台。
S2、根据所述室外空气质量基础数据预估室内PM2.5浓度值,具体包括:
S201、对所获取的空气质量基础数据进行数据处理后获得标准数据;
所述获得标准数据的步骤为:
(1)对数据进行处理,清洗操作,主要包括对数据不一致进行纠正,对数据噪音、数据局外音进行消除或识别,对部分遗失缺损的数据进行补充;
(2)数据转换:将数据转换成便于数据挖掘的格式;
(3)数据规约:在大数据平台上,利用大数据平台的数据处理能力从特征中删除不重要或者不相干的特征,对数据进行再一次检查,确保完整性及正确性。
S202、通过Apriori算法实现关联因子分析;具体包括:
(1)对关联因子进行筛选分析判断;
(2)使用Apriori算法进行关联因子分析;
(3)根据分析结果进行处理,去除关联性低的因子,保留关联性较高的因子,分别为:室外浓度、缝隙高度、缝隙深度、缝隙两侧压差、缝隙形状(L型、U型、直缝型)、缝隙直角数、气密性等级。
S203、建立专家知识库;
所述步骤建立专家知识库具体为:
(1)根据所获得的关联因子,将训练样本形成7维向量;
(2)收集报警浓度的判定方案及决策意见,进行最终的数据治理、数据筛选、计算,形成初代版本的专家库。
本步骤目的只是为了从专业角度上可以根据原因给出一些专业建议及解决方案,例如:如果是因为室外浓度过高导致的室内浓度高,那么可以建议开净化器。如果室外浓度相对较高,但是气密性差导致的室内也很高,可以安装气密性好的门窗等。具体方式为根据相应的信息(关联因子)向领域内专家进行咨询,对咨询后的结果归纳总结得到相应的专家库,后续根据实际情况可以酌情补充知识库。
S204、构建浓度向量:分别对不同检测物质浓度下正常及异常值在7个因子上进行离散化,利用熵计算离散化后的模型因子之间的分布,得到各因子的7个合理的阈值区间,使这7个因子在该阈值区间上有最大的信息量表示,即形成了7*n维向量;
S205、预测浓度:将离散化后的数据构建成向量,当把所有训练数据全部构建完成后,根据这些数据在空间的分布情况,利用KNN算法,通过调整k值达到最优预测效果,完成建模。采用KNN算法预测浓度的步骤具体为:
(1)将训练样本形式化为特征空间中的加权特征向量X=(x1、x2、x3、x4、x5、x6、x7),xi表示样本X的第i个特征的值;
(2)确定k值,通过交叉验证,取测试准确率最高的值作为k的取值;确定k取值的步骤为:
1)计算测试实施到所有训练集实例的距离;
2)所有的距离进行排序,找到k个最近的邻居;
3)k个邻近值对应的结果进行合并,再排序,返回出现次数最多的那个结果;
4)对每一个k,使用验证集计算,记录k对应的准确数目,取准确率最大的k值。
(3)采用余弦相似性作为距离度量算法计算两个样本之间的相似度;所述采用余弦相似性作为距离度量算法计算两个样本之间的相似度,具体为:余弦相似度是利用两个向量之间的夹角的余弦值来衡量两个向量之间的余弦相似度;两个向量越相似夹角越小,余弦值越接近1。
在n维空间中,对于向量A=(a1,a2,...an),B=(b1,b2,...,bn),
其余弦值为:在本实施例中,n=7;
(4)利用相似度对浓度进行预测。
S3、将所预估的室内PM2.5浓度值与标准浓度阈值进行比较,当超过标准浓度阈值时发出预警通知并进行相应的浓度处理控制。本实施例中所提到的标准浓度阈值可以根据空气质量指数AQI污染等级标准来设定。
所述将所预估的室内PM2.5浓度值与标准浓度阈值进行比较,包括:根据预估的室内PM2.5浓度值和标准浓度阈值对PM2.5险情标记等级,分级类别为1-5级,具体为,
该步骤还包括根据险情等级发出预警通知并进行相应处理控制,具体为:
若所预估的室内PM2.5浓度值≤35μg/m3,不做处理控制;
若所预估的室内PM2.5浓度值在35-75μg/m3范围内,先将预估值与室外PM2.5浓度值进行比较,若预估值大于室外PM2.5浓度值,则采用被动控制,即进行自然通风,并进行预警通知,向智能客户端发送预警信息。
若预估值小于室外PM2.5浓度值,则采用主动控制,进行粗中效过滤,并进行预警通知;通风主要是指通过室内气流组织流动稀释或排除室内污染物,控制空气污染的传播与危害。通风可分为自然通风和机械通风,首先要以节能、健康为优先点,在能通过自然通风的手段去实现的情况下优先选自然通风。但当室外雾天气下,自然通风会起到相反的结果,所以需要先比较较,如果室外浓度值低于室内浓度值,就可以采用自然通风,如果室外浓度值大于室内浓度值,需要机械通风配合不同技术,也就是所谓的主动控制对室内pm2.5浓度进行有效控制;粗中效过滤一般用于通风系统中的新风过滤,也就是在引入自然风的条件下先通过滤芯过滤,其效率为85%以上。粗中效过滤所采用的设备为现有设备,此处不做详细赘述。
若所预估的室内PM2.5浓度值在75-115μg/m3范围内,则采用主动控制,进行静电吸附处理,并进行预警通知,向智能客户端发送预警信息;静电吸附是把含颗粒物的空气引入高电压静电场内,通过尖端放电作用使其中的颗粒物带上电荷,带电颗粒在电场中受到电场力的作用,向带相反电性的电极上运动,并集附于其上,从而达到净化的目的,其效率高达98%,静电吸附处理采用静电吸附装置,该装置为本技术领域的公知装置,此处不做赘述。预警信息可以为预估的室内PM2.5浓度值,当所预估的室内PM2.5浓度值在75-115μg/m3范围内时,发送预警信息给用户的智能客户端,例如手机,用户可以根据预警信息人为打开静电吸附装置,也可以通过大数据平台控制静电吸附装置打开,其中,大数据平台与智能客户端可以通过通讯模块建立通信连接。
若所预估的室内PM2.5浓度值在115-150μg/m3范围内,则采用主动控制,进行高效过滤,并进行预警通知,向智能客户端发送预警信息;
采用超细玻璃纤维纸作为滤料,胶版纸、铝膜等材料作为分割板,与木框铝合金胶合而成,一般用于末端送风口(超高效过滤和粗中效过滤不同的是采用的滤芯不同,从而达到的过滤效果不同),效率可达到99.999%。
若所预估的室内PM2.5浓度值≥150μg/m3,则采用主动控制,控制空气净化器工作,并进行预警通知,向智能客户端发送预警信息。若浓度大于5级时,同时开启,可以更快更高效的降低室内PM2.5的浓度,若浓度低于5级,采取单一形式控制,从而达到一个健康,安全,舒适的室内环境,保证室内的空气品质。
另一方面,本实施例提供了一种室内PM2.5预警控制装置,所述装置包括,
获取模块:用于获取室外空气质量基础数据;
预估模块:用于根据所述室外空气质量基础数据预估室内PM2.5浓度值;
判断模块:用于将所预估的室内PM2.5浓度值与标准浓度阈值进行比较,判断是否超过标准浓度阈值;
预警模块:用于发送预警通知;
控制模块:用于根据判断结果进行相应的浓度处理控制。
还包括分级模块,其用于根据预估的室内PM2.5浓度值和标准浓度阈值对PM2.5险情标记等级,分级类别为1-5级,具体为,
另外,本实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述方法的步骤。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种室内PM2.5预警控制方法,其特征在于,包括如下步骤:
(1)获取室外空气质量基础数据;
(2)根据所述室外空气质量基础数据预估室内PM2.5浓度值;
(3)将所预估的室内PM2.5浓度值与标准浓度阈值进行比较,当超过标准浓度阈值时发出预警通知并进行相应的浓度处理控制。
2.根据权利要求1所述的方法,其特征在于,所述步骤(3)将所预估的室内PM2.5浓度值与标准浓度阈值进行比较,包括:根据预估的室内PM2.5浓度值和标准浓度阈值对PM2.5险情标记等级,分级类别为1-5级,具体为,
3.根据权利要求2所述的方法,其特征在于,所述步骤(3)包括根据险情等级发出预警通知并进行相应处理控制,具体为:
若所预估的室内PM2.5浓度值≤35μg/m3,不做处理控制;
若所预估的室内PM2.5浓度值在35-75μg/m3范围内,先将预估值与室外PM2.5浓度值进行比较,若预估值大于室外PM2.5浓度值,则采用被动控制,即进行自然通风,并进行预警通知;若预估值小于室外PM2.5浓度值,则采用主动控制,进行粗中效过滤,并进行预警通知;
若所预估的室内PM2.5浓度值在75-115μg/m3范围内,则采用主动控制,进行静电吸附处理,并进行预警通知;
若所预估的室内PM2.5浓度值在115-150μg/m3范围内,则采用主动控制,进行高效过滤,并进行预警通知;
若所预估的室内PM2.5浓度值≥150μg/m3,则采用主动控制,控制空气净化器工作,并进行预警通知。
4.根据权利要求1所述的方法,其特征在于,所述步骤(3)中当所预估的室内PM2.5浓度值超过标准浓度阈值时发出预警通知,具体为:当所预估的室内PM2.5浓度值超过标准浓度阈值时向智能客户端发送预誓信息。
5.根据权利要求1所述的方法,其特征在于,所述步骤(2)包括:
1)对所获取的空气质量基础数据进行数据处理后获得标准数据;
2)通过Apriori算法实现关联因子分析;
3)建立专家知识库;
4)构建浓度向量:分别对不同检测物质浓度下正常及异常值在7个因子上进行离散化,利用熵计算离散化后的模型因子之间的分布,得到各因子的7个合理的阈值区间,使这7个因子在该阈值区间上有最大的信息量表示,即形成了7*n维向量;
5)预测浓度:将离散化后的数据构建成向量,当把所有训练数据全部构建完成后,根据这些数据在空间的分布情况,利用KNN算法,通过调整k值达到最优预测效果,完成建模。
6.根据权利要求5所述的方法,其特征在于,所述获得标准数据的步骤为:
1)对数据进行处理,清洗操作,主要包括对数据不一致进行纠正,对数据噪音、数据局外音进行消除或识别,对部分遗失缺损的数据进行补充;
2)数据转换:将数据转换成便于数据挖掘的格式;
3)数据规约:在大数据平台上,利用大数据平台的数据处理能力从特征中删除不重要或者不相干的特征,对数据进行再一次检查,确保完整性及正确性。
7.根据权利要求5所述的方法,其特征在于,所述步骤建立专家知识库具体为:
1)根据所获得的关联因子,将训练样本形成7维向量;
2)收集报警浓度的判定方案及决策意见,进行最终的数据治理、数据筛选、计算,形成初代版本的专家库。
8.一种室内PM2.5预警控制装置,其特征在于,所述装置包括,
获取模块:用于获取室外空气质量基础数据;
预估模块:用于根据所述室外空气质量基础数据预估室内PM2.5浓度值;
判断模块:用于将所预估的室内PM2.5浓度值与标准浓度阈值进行比较,判断是否超过标准浓度阈值;
预警模块:用于发送预警通知;
控制模块:用于根据判断结果进行相应的浓度处理控制。
9.根据权利要求8所述的装置,其特征在于,还包括分级模块,其用于根据预估的室内PM2.5浓度值和标准浓度阈值对PM2.5险情标记等级,分级类别为1-5级,具体为,
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811655321.XA CN109612057B (zh) | 2018-12-29 | 2018-12-29 | 室内pm2.5预警控制方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811655321.XA CN109612057B (zh) | 2018-12-29 | 2018-12-29 | 室内pm2.5预警控制方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109612057A true CN109612057A (zh) | 2019-04-12 |
CN109612057B CN109612057B (zh) | 2021-01-15 |
Family
ID=66016128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811655321.XA Expired - Fee Related CN109612057B (zh) | 2018-12-29 | 2018-12-29 | 室内pm2.5预警控制方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109612057B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111103220A (zh) * | 2019-12-31 | 2020-05-05 | 西安交通大学 | 一种对大气污染物浓度的预测调控方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106770972A (zh) * | 2017-01-16 | 2017-05-31 | 北京晶海科技有限公司 | 一种居室内空气质量评价系统及方法 |
CN107328021A (zh) * | 2017-06-29 | 2017-11-07 | 珠海格力电器股份有限公司 | 一种机组节能控制方法、装置及设备 |
CN107525205A (zh) * | 2016-06-21 | 2017-12-29 | 天津臻鹏科技有限公司 | 一种室内pm2.5检测系统及其检测方法 |
CN107884511A (zh) * | 2016-09-30 | 2018-04-06 | 日本电气株式会社 | 用于预测室内空气质量的设备和方法 |
CN108662709A (zh) * | 2018-04-27 | 2018-10-16 | 上海建工集团股份有限公司 | 基于室外pm2.5浓度的新风过滤系统及空气净化方法 |
-
2018
- 2018-12-29 CN CN201811655321.XA patent/CN109612057B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107525205A (zh) * | 2016-06-21 | 2017-12-29 | 天津臻鹏科技有限公司 | 一种室内pm2.5检测系统及其检测方法 |
CN107884511A (zh) * | 2016-09-30 | 2018-04-06 | 日本电气株式会社 | 用于预测室内空气质量的设备和方法 |
CN106770972A (zh) * | 2017-01-16 | 2017-05-31 | 北京晶海科技有限公司 | 一种居室内空气质量评价系统及方法 |
CN107328021A (zh) * | 2017-06-29 | 2017-11-07 | 珠海格力电器股份有限公司 | 一种机组节能控制方法、装置及设备 |
CN108662709A (zh) * | 2018-04-27 | 2018-10-16 | 上海建工集团股份有限公司 | 基于室外pm2.5浓度的新风过滤系统及空气净化方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111103220A (zh) * | 2019-12-31 | 2020-05-05 | 西安交通大学 | 一种对大气污染物浓度的预测调控方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109612057B (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yi et al. | A neural network model forecasting for prediction of daily maximum ozone concentration in an industrialized urban area | |
WO2021012983A1 (zh) | 一种车内污染环境下列车乘员健康防护系统及其方法 | |
CN101140288B (zh) | 中央空调风管空气质量远程分析系统及其方法 | |
CN110796284A (zh) | 细颗粒物污染等级的预测方法、装置及计算机设备 | |
KR102189049B1 (ko) | 실내 및 실외에서의 오염물질 노출량을 측정하는 방법 및 장치 | |
Sung et al. | Building an indoor air quality monitoring system based on the architecture of the Internet of Things | |
CN106958922A (zh) | 一种检测新风机滤网寿命的方法及系统 | |
CN109613182A (zh) | 基于大气污染物的监测布点选址方法及装置 | |
CN102937320B (zh) | 用于智能空调的健康保护方法 | |
KR20160073569A (ko) | 자동 환기시스템 | |
CN110926532A (zh) | 一种基于大数据的城市扬尘数字化监控系统 | |
CN109507369A (zh) | 一种楼房内空气质量检测系统及方法 | |
CN114565288A (zh) | 一种新风系统数据采集分析方法、设备及计算机存储介质 | |
CN109612057A (zh) | 室内pm2.5预警控制方法、装置及计算机可读存储介质 | |
Rastogi et al. | An IoT-based discrete time Markov chain model for analysis and prediction of indoor air quality index | |
CN115862315B (zh) | 一种面向智慧城市多源异构数据流的交通灯控制方法及装置 | |
CN114819423B (zh) | 应用gis技术及数据信息融合系统的碳排治理系统 | |
CN115372552A (zh) | 一种环境污染在线监测数据采集系统 | |
CN113689058A (zh) | 基于智慧校园的宿舍管理系统及其方法 | |
Hidayat et al. | The Effect of Land Use and Traffic Performance on Urban Air Quality in the Maminasata Peri-Urban Area | |
CN109784553A (zh) | 一种室内pm2.5浓度预估方法 | |
Kulkarni et al. | Estimation Of Air Quality Index In Delhi By Merging Neural Networks And Multiple Regression Techniques with Principal Components Analysis | |
CN107016635A (zh) | 一种宜居城市管理系统 | |
Rao et al. | Analysis of Real-Time Early Warning Algorithm of Environmental Risk of Air Pollutants Based on Computer Simulation Technology | |
CN109520095A (zh) | 一种基于智能家居的室内装修空气净化控制系统 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210115 Termination date: 20211229 |