CN111189154A - 基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法 - Google Patents

基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法 Download PDF

Info

Publication number
CN111189154A
CN111189154A CN202010032576.1A CN202010032576A CN111189154A CN 111189154 A CN111189154 A CN 111189154A CN 202010032576 A CN202010032576 A CN 202010032576A CN 111189154 A CN111189154 A CN 111189154A
Authority
CN
China
Prior art keywords
air
ventilation system
conditioning ventilation
indexes
sanitation
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.)
Pending
Application number
CN202010032576.1A
Other languages
English (en)
Inventor
倪骏
张莉萍
苏瑾
郑毅鸣
张莉君
陈健
李竹
高剑晖
丁一辰
张琳
徐毅
王凯
游嘉梁
吴卉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Municipal Center For Disease Control & Prevention
Original Assignee
Shanghai Municipal Center For Disease Control & Prevention
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Municipal Center For Disease Control & Prevention filed Critical Shanghai Municipal Center For Disease Control & Prevention
Priority to CN202010032576.1A priority Critical patent/CN111189154A/zh
Publication of CN111189154A publication Critical patent/CN111189154A/zh
Pending legal-status Critical Current

Links

Images

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
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/32—Responding to malfunctions or emergencies
    • F24F11/39—Monitoring filter performance
    • 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
    • F24F11/00—Control or safety arrangements
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
    • 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
    • F24F11/88—Electrical aspects, e.g. circuits
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F7/00—Ventilation
    • F24F7/007—Ventilation with forced flow
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明涉及一种基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法，包括通过灰色关联分析对集中空调通风系统进行卫生综合评价处理操作、通过灰色相对关联矩阵对集中空调通风系统进行主客观指标的关联分析处理操作以及通过灰色聚类简化集中空调通风系统中客观指标处理操作。采用了本发明的基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法，以主观指标来判断部分客观指标的优劣，减少部分客观指标的监测频次，为空调系统运营方提供了简单可行的自我管理手段，有利于优化管理成本。通过灰色聚类分析，简化指标，减少监测指标，使复杂系统简化，降低监测成本。

Description

基于灰色系统理论实现针对集中空调通风系统进行卫生评价 处理的方法
技术领域
本发明涉及公共卫生技术领域，尤其涉及卫生监管领域，具体是指一种基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法。
背景技术
目前市场上集中空调通风系统卫生学评价主要是单项指标法和检查表法，这两种方法指标繁多复杂，反映不同的污染来源，无法对集中空调通风系统的整体进行评价。本发明能将主观调查和客观监测作为一个整体，对多因子综合影响的不确定性作出综合评价的定量化数学方法。
现有技术中在集中空调通风系统进行卫生评价的主要方法是单项指标法，通过分析单项指标是否超标进行评价，单项指数法的优点是每个检测指标都能检测到，可以反应每个检测指标的污染程度，但缺点是具有相关性的指标进行重复检测，增加检测成本，而且不能综合反应整套集中空调通风系统的污染程度。单项指标无法对整套集中空调通风系统进行整体评价，无法明确该套集中空调通风系统处于何种水平，造成不必要的浪费。
因此，急需一种既可以使用在客观监测指标进行整体评价，也可以使用在主客观监测指标进行整体评价，能够突破仅以客观指标进行评价的瓶颈的评价技术。
发明内容
本发明的目的是克服了上述现有技术的缺点，提供了一种满足误差小、准确率高、适用范围广泛的基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法。
为了实现上述目的，本发明的基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法如下：
该基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法法，其主要特点是，所述的方法包括所述的方法包括通过灰色关联分析对集中空调通风系统进行卫生综合评价处理操作、通过灰色相对关联矩阵对集中空调通风系统进行主客观指标的关联分析处理操作以及通过灰色聚类简化集中空调通风系统中客观指标处理操作。
较佳地，所述的通过灰色关联分析对集中空调通风系统进行卫生综合评价处理操作具体包括以下步骤：
(1-1)建立集中空调通风系统卫生评价体系；
(1-2)确定参考数列Xj，即集中空调通风系统评价标准序列；
(1-3)确定比较数列Yi，即各套通风系统的实测值；
(1-4)对参考数列Xj和比较数列Yi中的原始数据进行无量纲化处理；
(1-5)计算无量纲化参考数列X′j和比较数列Y′i的差序列Δij(k)；
(1-6)计算最小差Δmin和最大差Δmax；
(1-7)计算关联系数ξij(k)；
(1-8)计算关联度γij，得到关联矩阵；
(1-9)分析污染等级。
较佳地，所述的集中空调通风系统卫生评价体系包括客观指标和主观指标，所述的客观指标为送风中的可吸入颗粒物、细菌总数、真菌总数，风管内表面的积尘量、细菌总数和真菌总数，所述的主观指标为空调系统新风口的新风质量、新风口设置的过滤器级别及污染状况、冷凝水盘的卫生状况、送/回风口及周边区域的清洁程度和新风机房内的清洁程度。
较佳地，所述的步骤(1-4)中进行无量纲化处理，具体为：
根据以下公式计算进行无量纲化处理：
Figure BDA0002364868310000021
其中，n为实测的浓度值，n0为比较的浓度值，k为每一污染物的常数。
较佳地，所述的步骤(1-7)中计算关联系数ξij(k)，具体为：
根据以下公式计算关联系数ξij(k)：
Figure BDA0002364868310000022
其中，ρ为分辨系数，取0.52。
较佳地，所述的通过灰色相对关联矩阵对集中空调通风系统进行主客观指标的关联分析处理操作具体包括以下步骤：
(2-1)确定参考数列Xj，即集中空调通风系统客观指标；
(2-2)确定比较数列Yi，即集中空调通风系统主观指标；
(2-3)对参考数列Xj和比较数列Yi中的原始数据进行无量纲化处理，得到数列初值像X′j和Y′i；
(2-4)将数列初值像X′j、Y′i中的每一数值都减去该数列中的第一列数值，得到始点零化像
Figure BDA0002364868310000031
和
Figure BDA0002364868310000032
(2-5)计算|X′Sj|、|Y′Si|和|X′Sj-Y′Si|，并计算灰色相对关联度rij；
(2-6)分析主客观指标相关性。
较佳地，所述的集中空调通风系统客观指标为送风中的可吸入颗粒物、细菌总数、真菌总数，风管内表面的积尘量、细菌总数和真菌总数。
较佳地，所述的集中空调通风系统主观指标为空调系统新风口的新风质量、新风口设置的过滤器级别及污染状况、冷凝水盘的卫生状况、送/回风口及周边区域的清洁程度和新风机房内的清洁程度。
较佳地，所述的步骤(2-6)具体为：
将关联度大于0.8作为相关性的评定标准对主客观指标进行关联分析。
较佳地，所述的通过灰色聚类简化集中空调通风系统中客观指标处理操作具体包括以下步骤：
(3-1)确定研究指标数列；
(3-2)计算研究指标数列|XSj|、|XSi|和|XSj-XSi|，并计算绝对关联度εij；
(3-3)分析简化指标。
采用了本发明的基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法，通过灰色关联分析评价方法在集中空调通风系统卫生综合评价的应用，对集中空调系统进行分级排序，为分级管理提供技术依据。通过分级管理能为政府部门提供更直观的空调系统污染情况，有利于政府部门的监管，也有利于空调系统运营方根据结果进行分级管理，进一步提高空调系统的卫生安全水平。通过灰色相对关联矩阵应用于集空调通风系统主客观指标的关联分析，以主观指标来判断部分客观指标的优劣，减少部分客观指标的监测频次，为空调系统运营方提供了简单可行的自我管理手段，有利于优化管理成本。通过灰色聚类分析，简化指标，减少监测指标，使复杂系统简化，降低监测成本。
附图说明
图1为本发明的基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法的通过灰色关联分析对集中空调通风系统进行卫生综合评价处理操作的流程图。
图2为本发明的基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法的通过灰色相对关联矩阵对集中空调通风系统进行主客观指标的关联分析处理操作的流程图。
图3为本发明的基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法的通过灰色聚类简化集中空调通风系统中客观指标处理操作的流程图。
具体实施方式
为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。
本发明的该基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法，所述的方法包括所述的方法包括通过灰色关联分析对集中空调通风系统进行卫生综合评价处理操作、通过灰色相对关联矩阵对集中空调通风系统进行主客观指标的关联分析处理操作以及通过灰色聚类简化集中空调通风系统中客观指标处理操作。
所述的通过灰色关联分析对集中空调通风系统进行卫生综合评价处理操作具体包括以下步骤：
(1-1)建立集中空调通风系统卫生评价体系；
(1-2)确定参考数列Xj，即集中空调通风系统评价标准序列；
(1-3)确定比较数列Yi，即各套通风系统的实测值；
(1-4)对参考数列Xj和比较数列Yi中的原始数据进行无量纲化处理；
(1-5)计算无量纲化参考数列X′j和比较数列Y′i的差序列Δij(k)；
(1-6)计算最小差Δmin和最大差Δmax；
(1-7)计算关联系数ξij(k)；
(1-8)计算关联度γij，得到关联矩阵；
(1-9)分析污染等级；
所述的通过灰色相对关联矩阵对集中空调通风系统进行主客观指标的关联分析处理操作具体包括以下步骤：
(2-1)确定参考数列Xj，即集中空调通风系统客观指标；
(2-2)确定比较数列Yi，即集中空调通风系统主观指标；
(2-3)对参考数列Xj和比较数列Yi中的原始数据进行无量纲化处理，得到数列初值像X′j和Y′i；
(2-4)将数列初值像X′j、Y′i中的每一数值都减去该数列中的第一列数值，得到始点零化像
Figure BDA0002364868310000041
和
Figure BDA0002364868310000042
(2-5)计算|X′Sj|、|Y′Si|和|X′Sj-Y′Si|，并计算灰色相对关联度rij；
(2-6)分析主客观指标相关性；
将关联度大于0.8作为相关性的评定标准对主客观指标进行关联分析；
所述的通过灰色聚类简化集中空调通风系统中客观指标处理操作具体包括以下步骤：
(3-1)确定研究指标数列；
(3-2)计算研究指标数列|XSj|、|XSi|和|XSj-XSi|，并计算绝对关联度εij；
(3-3)分析简化指标。
作为本发明的优选实施方式，所述的集中空调通风系统卫生评价体系包括客观指标和主观指标，所述的客观指标为送风中的可吸入颗粒物、细菌总数、真菌总数，风管内表面的积尘量、细菌总数和真菌总数，所述的主观指标为空调系统新风口的新风质量、新风口设置的过滤器级别及污染状况、冷凝水盘的卫生状况、送/回风口及周边区域的清洁程度和新风机房内的清洁程度。
作为本发明的优选实施方式，所述的步骤(1-4)中进行无量纲化处理，具体为：
根据以下公式计算进行无量纲化处理：
Figure BDA0002364868310000051
其中，n为实测的浓度值，n0为比较的浓度值，k为每一污染物的常数。
作为本发明的优选实施方式，所述的步骤(1-7)中计算关联系数ξij(k)，具体为：
根据以下公式计算关联系数ξij(k)：
Figure BDA0002364868310000052
其中，ρ为分辨系数，取0.52。
作为本发明的优选实施方式，所述的集中空调通风系统客观指标为送风中的可吸入颗粒物、细菌总数、真菌总数，风管内表面的积尘量、细菌总数和真菌总数。
作为本发明的优选实施方式，所述的集中空调通风系统主观指标为空调系统新风口的新风质量、新风口设置的过滤器级别及污染状况、冷凝水盘的卫生状况、送/回风口及周边区域的清洁程度和新风机房内的清洁程度。
本发明的具体实施方式中，灰色系统理论是针对系统数据有限，且数据灰度较大的情况下，提出对数据多少和规律要求不严格的灰色关联分析方法。现有技术中采用的灰色关联分析采样的是灰色相对关联度，而灰色关联度与每套集中空调通风系统的始点的变化速率，即第一个数据关联性极大，集中空调通风系统中各指标的不同排序会影响关联度的分析。
本案中的灰色相对关联矩阵是根据序列曲线的相似程度来判断其联系是否紧密，曲线越接近，形状越相似，序列曲线的相似程度用灰色关联度衡量。灰色关联度的大小量化了序列曲线几何形状的相似程度，通过曲线几何形状的相似程度反映集中空调通风系统不同等级的紧密程度。关联度越大说明评价的集中空调通风系统越靠近该评价等级，对该评价等级的影响越大，反之就越小。通过分析n套集中空调通风系统，得出n个灰色关联度，将这n个灰色关联度按从大到小进行排序，就得到集中空调通风系统污染程度的排序。灰色关联分析计算量小、结果可靠。
灰色关联分析方法得到的数据能反应整套集中空调通风系统的污染程度。不仅能确定该套集中空调通风系统的污染级别，而且能对处于同一污染级别的集中空调通风系统的污染程度进行排序，评价结果直观可靠。通过灰色关联分析评价方法可以对整套集中空调通风系统的污染程度进行整体评价，并进行分级管理。处于优秀等级的集中空调通风系统可以两年进行一次管理，减少集中空调通风系统运行管理单位的管理成本。
灰色关联分析对集中空调通风系统进行卫生综合评价，计算过程简单方便，且能根据检测指标判断集中空调通风系统的综合效应，结果直观可靠，是多因子综合评价较好的方法。
灰色聚类是相关因素的归并，使复杂系统简化。在灰色聚类分析时，采用的关联度是绝对关联度。绝对关联度只与每套集中空调通风系统各检测指标的几何形状有关，与其空间相对位置无关。通过灰色聚类，可采用某一指标代表若干关系密切的单项指标，而又不使信息受到严重损失。可以减少不必要的检测指标，降低集中空调通风系统评价的费用，缩短评价时间，也可减少空调运行单位的成本，而又不影响评价结果。
针对现有集中空调通风系统卫生评价的不足，本发明提供了应用于集中空调通风系统的卫生评价。灰色关联分析评价方法在集中空调通风系统卫生综合评价的应用，既简化了评价内容，又多方面综合考虑不同污染源的污染程度。对集中空调通风系统进行分级排序，为分级管理提供技术依据。分级管理有利于政府部门的监管，也有利于空调系统运营方根据结果进行分级管理。灰色相对关联矩阵应用于集中空调通风系统主客观指标的关联分析，更为直观、明确地评价集中空调通风系统的卫生状况，通过主观指标来判断部分客观指标的优劣，减少部分客观指标的监测频次，为空调系统运营单位提供了较为简单可行的自我管理手段，有利于优化管理成本。灰色聚类在集中空调通风系统客观指标简化中的应用可归并同类因素，通过使用某一综合指标代表若干关系密切的因素，或用某一因素代表几个因素，减少监测指标，使复杂系统简化，降低监测成本。
本发明的目的可以通过如下技术方案实现：
1、灰色关联分析评价方法在集中空调通风系统卫生综合评价的应用的技术方案可按照以下步骤实现：
步骤一、建立集中空调通风系统卫生评价体系：即确定评价指标，评价指标包括客观指标和主观指标。客观指标为送风中的可吸入颗粒物、细菌总数、真菌总数，风管内表面的积尘量、细菌总数、真菌总数，主观指标为空调系统新风口的新风质量，新风口设置的过滤器级别及污染状况，冷凝水盘的卫生状况，送/回风口及周边区域的清洁程度，新风机房内的清洁程度等现场调查内容。
步骤二、确定参考数列Xj。参考数列为集中空调通风系统评价标准序列。参考数列的参考值参照环境影响评价中的污染等级划分标准，并结合空调系统的实际特点，将空调系统污染分为4级：清洁、未污染、轻污染和重污染。
步骤三、确定比较数列Yi。比较数列中客观指标为各套通风系统的实测值，通过现场监测确定。主观指标根据目测法和经验法对集中空调通风系统现场调查后的主观指标进行量化赋值。一套集中空调通风系统的评价指标形成的数列为一组比较数列。
步骤四、无量纲化处理。对参考数列Xj和比较数列Yi中的原始数据进行无量纲化处理。由于空调系统中的污染物浓度标准等级变化范围宽，故参照噪声强度近似遵循对数关系，对参考值及实测值进行无量纲化处理。
Figure BDA0002364868310000071
式中：n为实测的浓度值，n0为比较的浓度值，k为每一污染物的常数。将n0取各污染物的背景值即清洁级别的值，并且将清洁级别的计算值设为0，轻污染级别的计算值设为2，这样就可以得到相对应的k值。根据k值对各浓度值进行无量纲化处理，得到无量纲化参考数列X′j和比较数列Y′i。
X′j＝(x′j(1)，x′j(2)，x′j(3)，x′j(4)，x′j(5)，x′j(6)，x′j(7)，x′j(8)，x′j(9)，x′′j(10)，x′′j(11)；
Y′i＝(y′i(1)，y′i(2)，y′i(3)，y′i(4)，y′i(5)，y′i(6)，y′i(7)，y′i(8)，y′i(9)，y′i(10)，y′i(11))；
步骤五、计算无量纲化参考数列X′j和比较数列Y′i的差序列。Δij(k)＝|y′i(k)-x′j(k)|。
步骤六、计算最小差Δmin、最大差Δmax。
Δmin＝miniminjmink|y′i(k)-x′j(k)|；
Δmax＝maximaxjmaxk|yi(k)-xj(k)|；
步骤七、计算关联系数ξij(k)。
Figure BDA0002364868310000072
关联系数ξij(k)是第k个数据上参考数列X′j与比较数列Y′j的相对差值。ρ为分辨系数，一般取0.52。
步骤八、计算关联度γij。
Figure BDA0002364868310000081
关联度γij反映了参考数列X′j与比较数列Y′i所有数据点上的关联系数的大小。
由关联度γij组成一个m×n阶关联矩阵R；
Figure BDA0002364868310000082
步骤九、分析污染等级。关联矩阵R的各比较数列中最大的关联系数对应的污染等级为该比较数列的污染等级。关联矩阵中每个关联度值的比较都有意义。在污染等级轻的等级，关联系数越大，清洁程度越高，在污染程度重的等级，关联系数越大，污染程度越高。
2、本发明灰色相对关联矩阵对集中空调通风系统主客观指标的关联分析的技术方案可按照以下步骤实现：
步骤一、确定参考数列Xj。参考数列为集中空调通风系统客观指标，即：送风中的可吸入颗粒物、细菌总数、真菌总数，风管内表面的积尘量、细菌总数、真菌总数。客观指标的数值通过现场监测确定。每个客观指标的不同监测数据形成一组参考数列。
步骤二、确定比较数列Yi。比较数列为集中空调通风系统主观指标，即：空调系统新风口的新风质量，新风口设置的过滤器级别及污染状况，冷凝水盘的卫生状况，送/回风口及周边区域的清洁程度，新风机房内的清洁程度等现场调查内容。主观指标主要根据现场调查的目测法和经验法进行量化赋值，按照100分制判断，清洁为0分，污染为100分。每个主观指标的不同监测数据形成一组比较数列。
步骤三、无量纲化处理。对参考数列Xj和比较数列Yi中的原始数据进行无量纲化处理。将参考数列Xj和比较数列Yi中每一个数值都除以该数列中的第一列数值，得到数列初值像X′j、Y′i。
步骤四、X′j、Y′i始点零化像。将数列初值像X′j、Y′i中的每一数值都减去该数列中的第一列数值，得到始点零化像
Figure BDA0002364868310000083
步骤五、计算|X′Sj|、|Y′Si|和|X′Sj-Y′Si|
Figure BDA0002364868310000091
Figure BDA0002364868310000092
Figure BDA0002364868310000093
步骤六、计算灰色相对关联度rij。通过
Figure BDA0002364868310000094
计算灰色相对关联度rij，得到关联矩阵R。
Figure BDA0002364868310000095
步骤七、分析主客观指标相关性。将关联度大于0.8000作为具有较大相关性的评定标准对主客观指标进行关联分析。
3、灰色聚类在集中空调通风系统客观指标简化中的应用的技术方案可按照以下步骤实现：
步骤一、确定研究指标数列。每个特征数列中有n个监测数据，每个监测数据有m个研究指标。本发明中将集中空调通风系统的客观指标包括送风中的可吸入颗粒物、细菌总数、真菌总数，风管内表面的积尘量、细菌总数、真菌总数作为本次研究指标。得到序列如下：
X1＝{X1(1)，X1(2)，......，X1(n)}；
X2＝{X2(1)，X2(2)，......，X2(n)}；
……
Xm＝{Xm(1)，Xm(2)，......，Xm(n)}；
步骤二、计算研究指标数列|XSj|、|XSi|和|XSj-XSi|
Figure BDA0002364868310000096
Figure BDA0002364868310000097
Figure BDA0002364868310000101
步骤三、计算绝对关联度εij。
在灰色聚类分析时，采用的关联度是绝对关联度εij。
Figure BDA0002364868310000102
通过对研究指标中送风中的可吸入颗粒物、细菌总数、真菌总数，风管内表面的积尘量、细菌总数、真菌总数指标进行两两相关，计算出研究指标中各指标相互之间的绝对关联度εij。由关联度εij组成上三角矩阵A。
Figure BDA0002364868310000103
步骤四、分析简化指标。定临界值r∈(0，1)，一般要求r＞0.5，当εii＞r(i≠j)时，视研究指标中的两个指标为同类特征。r可根据实际情况确定，r越接近1，分类越细，指标越不能简化，r越小，分类越粗，增加指标的同类特征。
4、客观指标中，冷凝水、冷却水中的嗜肺军团菌，送风中的β溶血性链球菌、送风中致病菌及风管内表面致病菌等反映了极大的健康风险，一旦检出直接列为重度污染，故无需纳入综合评价体系中。
5、方法二计算关联系数时，最小差Δmin、最大差Δmax采用的是三级差，所以ξij(k)关联系数体现了系统的整体性。关联度γij反映了参考数列X′j与比较数列Y′i曲线之间的相似程度。其值越大，说明参考数列X′j与比较数列Y′i≤之间联系越紧密。
6、评价指标的分级界定参考环境影响评价中的污染等级划分标准，并结合集中空调空调系统的特点，将空调系统污染分为4级：清洁、未污染、轻污染和重污染。客观指标的分级以标准限值作为轻污染级的标准值，将各种污染物的背景值作为清洁级别标准值，根据多年监测数据所得出的经验来确定未污染级别及重污染级别的标准值。主观指标的分级，根据目测法和经验法进行量化赋值，现场调查按照100分制判断。
下面结合具体实施方式对本发明进行详细说明。
灰色关联分析评价方法在集中空调通风系统卫生综合评价的应用的具体实施方式。
将空调系统卫生综合评价的分级界定标准作为参考序列Yi，将6套空调系统评价指标作为比较序列Xj。其中表1是集中空调通风系统客观指标分级标准。现场调查按照100分制来判断。
表1
Figure BDA0002364868310000111
Y清洁＝Y1＝{0.02，50，50，1，1，1，10，10，10，10，10}、Y未污染＝Y2＝{0.08，200，200，5，50，50，20，20，20，20，20}、Y轻污染＝Y3＝{0.12，500，500，20，100，100，40，40，40，40，40}、Y重污染＝Y4＝{0.20，1500，1500，50，200，200，80，80，80，80，80}、X1＝{0.103，437，765，2.93，4，3，30，15，20，15，15}、X2＝{0.072，269，289，1.26，5，2，20，15，15，15，15}、X3＝{0.032，204，140，1.02，2，3，15，15，15，15，10}、X4＝{0.125，794，578，9.6，11，10，35，30，15，20，15}、X5＝{0.118，662，749，10.5，18，17，35，35，15，15，15}、X6＝{0.057，211，265，1.49，3，3，15，15，15，15，10}
根据公式
Figure BDA0002364868310000112
对参考序列Yi和比较序列Xj进行无量纲化处理，结果见表2和表3。表2为无量纲化处理后的集中空调通风系统评价指标分级标准序列。表3为无量纲化后的集中空调通风系统评价指标实测值。
表2
Figure BDA0002364868310000113
表3
Figure BDA0002364868310000121
根据公式Δij(k)＝|y′i(k)-x′j(k)|计算无量纲化参考数列X＇j和比较数列Y＇i的差序列。
求得
Figure BDA0002364868310000125
求得
Figure BDA0002364868310000126
取ρ＝0.5，根据公式
Figure BDA0002364868310000122
和
Figure BDA0002364868310000123
求关联矩阵R。
表4为集中空调通风系统卫生评价的关联矩阵。
表4
Figure BDA0002364868310000124
根据关联分析的基本原理，每套机组最大关联度对应的级别即为集中空调通风系统卫生评价的结果。5为轻污染，3为清洁、1、2、4、6为未污染。根据关联矩阵中的关联度值可见，污染程度由轻到重的排列次序为：3＞6＞2＞1＞4＞5。
灰色相对关联矩阵对集中空调通风系统主客观指标的关联分析的具体实施方式。
将六套集中空调通风系统中的送风中可吸入颗粒物、细菌总数、真菌总数，风管内表面的积尘量、细菌总数、真菌总数六个客观指标的现场监测值作为参考数列Xj。X送风中可吸入颗粒物＝{0.103，0.072，0.032，0.125，0.118，0.057}、X送风中细菌总数＝{437，269，204，794，662，211}、X送风中真菌总数＝{765，289，140，578，749，265}、X风管内表面积尘量＝{2.93，1.26，1.02，9.6，10.5，1.49}、X风管内表面细菌总数＝{4，5，2，11，18，3}、X风管内表面真菌总数＝{3，2，3，10，17，3}。
将六套集中空调通风系统中新风口的新风质量，新风口设置的过滤器级别及污染状况，冷凝水盘的卫生状况，送/回风口及周边区域的清洁程度，新风机房内的清洁程度等现场调查内容五个客观指标作为比较数列Yi。
Y空调新风质量＝{30，20，15，35，35，15}、Y过滤器＝{15，15，15，30，35，15}、Y冷凝盘管＝{20，15，15，15，15，15}、Y风口清洁程度＝{15，15，15，20，15，15}、Y新房机房＝{15，15，10，15，15，10}。
对参考数列Xj和比较数列Yi进行无量纲化处理，结果见表5和表6。表5为无量纲化处理后的客观指标，表6为无量纲化处理后的主观指标。
表5
Figure BDA0002364868310000131
表6
Figure BDA0002364868310000132
对无量纲化处理后的数列初值像X′j、Y′i进行始点零化像，结果见表7和表8。表7为始点零化像的客观指标，表8为始点零化像的主观指标。
表7
Figure BDA0002364868310000141
表8
Figure BDA0002364868310000142
根据公式
Figure BDA0002364868310000143
求关联矩阵R。
表9为集中空调通风系统主客观指标的关联矩阵。
表9
Figure BDA0002364868310000144
根据关联矩阵中的关联度值可见，送风中可吸入颗粒物主要和新风质量、冷凝水盘的卫生状况及新风机房内的清洁程度有关，送风中细菌总数和送/回风口及周边区域的清洁程度有关，送风中真菌总数和冷凝水盘的卫生状况有关，风管内表面积尘量与过滤器的级别和污染状况有关。
灰色聚类在集中空调通风系统客观指标简化中的应用的具体实施方式。
将六套集中空调通风系统中的送风中可吸入颗粒物、细菌总数、真菌总数，风管内表面的积尘量、细菌总数、真菌总数六个客观指标作为研究指标数列Xj。X送风中可吸入颗粒物＝{0.047，0.056，0.077，0.121，0.109，0.081}、X送风中细菌总数＝{158，334，424，745，641，551}、X送风中真菌总数＝{297，219，351，379，773，428}、X风管内表面积尘量＝{3.88，6.10，5.32，15.8，16.2，5.74}、X风管内表面细菌总数＝{4，5，3，12，19，6}、X风管内表面真菌总数＝{7，1，5，7，13，3}。
根据公式
Figure BDA0002364868310000151
求上三角矩阵A。
Figure BDA0002364868310000152
根据上三角矩阵中的关联度值可见，风管内表面积尘量与风管内表面细菌总数有绝对关联，送风中真菌总数和送风中细菌总数有一定相关性，在条件受限的情况下，可以选择风管内表面代替风管内表面细菌总数，减少工作量。
采用了本发明的基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法，通过灰色关联分析评价方法在集中空调通风系统卫生综合评价的应用，对集中空调系统进行分级排序，为分级管理提供技术依据。通过分级管理能为政府部门提供更直观的空调系统污染情况，有利于政府部门的监管，也有利于空调系统运营方根据结果进行分级管理，进一步提高空调系统的卫生安全水平。通过灰色相对关联矩阵应用于集空调通风系统主客观指标的关联分析，以主观指标来判断部分客观指标的优劣，减少部分客观指标的监测频次，为空调系统运营方提供了简单可行的自我管理手段，有利于优化管理成本。通过灰色聚类分析，简化指标，减少监测指标，使复杂系统简化，降低监测成本。
在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (10)

1.一种基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法，其特征在于，所述的方法包括通过灰色关联分析对集中空调通风系统进行卫生综合评价处理操作、通过灰色相对关联矩阵对集中空调通风系统进行主客观指标的关联分析处理操作以及通过灰色聚类简化集中空调通风系统中客观指标处理操作。
2.根据权利要求1所述的基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法，其特征在于，所述的通过灰色关联分析对集中空调通风系统进行卫生综合评价处理操作，具体包括以下步骤：
(1-1)建立集中空调通风系统卫生评价体系；
(1-2)确定参考数列Xj，即集中空调通风系统评价标准序列；
(1-3)确定比较数列Yi，即各套通风系统的实测值；
(1-4)对参考数列Xj和比较数列Yi中的原始数据进行无量纲化处理；
(1-5)计算无量纲化参考数列X′j和比较数列Y′i的差序列Δij(k)；
(1-6)计算最小差Δmin和最大差Δmax；
(1-7)计算关联系数ξij(k)；
(1-8)计算关联度γij，得到关联矩阵；
(1-9)分析污染等级。
3.根据权利要求2所述的基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法，其特征在于，所述的集中空调通风系统卫生评价体系包括客观指标和主观指标，所述的客观指标为送风中的可吸入颗粒物、细菌总数、真菌总数，风管内表面的积尘量、细菌总数和真菌总数，所述的主观指标为空调系统新风口的新风质量、新风口设置的过滤器级别及污染状况、冷凝水盘的卫生状况、送/回风口及周边区域的清洁程度和新风机房内的清洁程度。
4.根据权利要求2所述的基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法，其特征在于，所述的步骤(1-4)中进行无量纲化处理，具体为：
根据以下公式计算进行无量纲化处理：
Figure FDA0002364868300000011
其中，n为实测的浓度值，n0为比较的浓度值，k为每一污染物的常数。
5.根据权利要求2所述的基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法，其特征在于，所述的步骤(1-7)中计算关联系数ξij(k)，具体为：
根据以下公式计算关联系数ξij(k)：
Figure FDA0002364868300000021
其中，ρ为分辨系数，取0.52。
6.根据权利要求1所述的基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法，其特征在于，所述的通过灰色相对关联矩阵对集中空调通风系统进行主客观指标的关联分析处理操作，具体包括以下步骤：
(2-1)确定参考数列Xj，即集中空调通风系统客观指标；
(2-2)确定比较数列Yi，即集中空调通风系统主观指标；
(2-3)对参考数列Xj和比较数列Yi中的原始数据进行无量纲化处理，得到数列初值像X′j和Y′i；
(2-4)将数列初值像X′j、Y′i中的每一数值都减去该数列中的第一列数值，得到始点零化像
Figure FDA0002364868300000022
和
Figure FDA0002364868300000023
(2-5)计算|X′Sj|、|Y′Si|和|X′Sj-Y′Si|，并计算灰色相对关联度rij；
(2-6)分析主客观指标相关性。
7.根据权利要求6所述的基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法，其特征在于，所述的集中空调通风系统客观指标为送风中的可吸入颗粒物、细菌总数、真菌总数，风管内表面的积尘量、细菌总数和真菌总数。
8.根据权利要求6所述的基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法，其特征在于，所述的集中空调通风系统主观指标为空调系统新风口的新风质量、新风口设置的过滤器级别及污染状况、冷凝水盘的卫生状况、送/回风口及周边区域的清洁程度和新风机房内的清洁程度。
9.根据权利要求6所述的基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法，其特征在于，所述的步骤(2-6)具体为：
将关联度大于0.8作为相关性的评定标准对主客观指标进行关联分析。
10.根据权利要求1所述的基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法，其特征在于，所述的通过灰色聚类简化集中空调通风系统中客观指标处理操作，具体包括以下步骤：
(3-1)确定研究指标数列；
(3-2)计算研究指标数列|XSj|、|XSi|和|XSj-XSi|，并计算绝对关联度εij；
(3-3)分析简化指标。
CN202010032576.1A 2020-01-13 2020-01-13 基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法 Pending CN111189154A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010032576.1A CN111189154A (zh) 2020-01-13 2020-01-13 基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010032576.1A CN111189154A (zh) 2020-01-13 2020-01-13 基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法

Publications (1)

Publication Number Publication Date
CN111189154A true CN111189154A (zh) 2020-05-22

Family

ID=70708190

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010032576.1A Pending CN111189154A (zh) 2020-01-13 2020-01-13 基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法

Country Status (1)

Country Link
CN (1) CN111189154A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105300871A (zh) * 2014-07-08 2016-02-03 中国科学院金属研究所 基于灰色关联分析的大气腐蚀因子评价方法
CN108009963A (zh) * 2017-07-19 2018-05-08 国家电网公司西南分部 基于灰色理论的经济转型发展与能源需求关联性评估系统
CN110309609A (zh) * 2019-07-06 2019-10-08 桂林电子科技大学 一种基于粗糙集和小波神经网络的建筑室内空气品质评价方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105300871A (zh) * 2014-07-08 2016-02-03 中国科学院金属研究所 基于灰色关联分析的大气腐蚀因子评价方法
CN108009963A (zh) * 2017-07-19 2018-05-08 国家电网公司西南分部 基于灰色理论的经济转型发展与能源需求关联性评估系统
CN110309609A (zh) * 2019-07-06 2019-10-08 桂林电子科技大学 一种基于粗糙集和小波神经网络的建筑室内空气品质评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
倪骏: "灰色关联分析在上海市轨道交通地下集中空调通风系统卫生评价中的应用", 《环境与职业医学》 *
朱赤晖: "基于灰色系统理论的室内空气品质的评价及应用研究", 《中国优秀博硕士学位论文全文数据库 (硕士)工程科技Ⅰ辑》 *

Similar Documents

Publication Publication Date Title
WO2021185177A1 (zh) 基于多数据采集的石化常压储油罐健康状态评估方法
CN101403676B (zh) 基于d-s证据理论的绝缘子憎水性等级融合判决方法
CN115983687B (zh) 一种冷轧带钢质量智能检测管理系统及方法
CN116090802B (zh) 一种面向车底部件识别的列检任务智能分配及调度系统
CN114372665A (zh) 一种毒害化学物质的筛查方法及筛查系统
Bhat Indoor microplastics: a comprehensive review and bibliometric analysis
CN111189154A (zh) 基于灰色系统理论实现针对集中空调通风系统进行卫生评价处理的方法
Zhu et al. Study on grey clustering model of indoor air quality indicators
CN108090635B (zh) 一种基于聚类分类的路用性能预测方法
CN116502887A (zh) 基于无监督聚类和极限学习机的大米加工链风险评价方法
CN111881974A (zh) 一种基于Piper-PCA-FCL判别模型的突水水源识别方法
CN115294556B (zh) 基于改进YOLOv5的密闭振动筛上异常流态流体检测方法
KR20170112474A (ko) 데이터마이닝 기법을 이용한 저영향개발시설의 유지 관리 방법
US7970551B2 (en) Analysis of DNA
CN113887978A (zh) 一种基于改进物元可拓模型的食品风险综合评价方法
Vaidelienė et al. The use of Haar wavelets in detecting and localizing texture defects
Wang et al. Chiller Fault Diagnosis Based on Grey Similitude Relation Analysis.
CN117579704B (zh) 基于物联网的检测数据的采集方法及其系统
CN108133261A (zh) 基于bp神经网络的汽车胶管芯轴质量评价方法
Pandian et al. Triangular Fuzzy Multinomial Control Chart With Variable Sample Size Using [alpha]-CUTS
CN116911662B (zh) 基于人工智能的空气品质优化方法及系统
Balolong et al. Next-generation sequencing revealed dominant fungal populations in collected dust from selected public school classrooms in Metro Manila
CN109977106B (zh) 一种基于熵权法的压力容器结构化数据质量评估方法
CN114912493B (zh) 基于机器学习的流式免疫细胞智能分析系统
Gomiero et al. Mapping of microplastics and endotoxins as a potential workplace hazard

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200522