CN113432267A - 一种基于wifi的空气消毒智能控制方法和装置 - Google Patents
一种基于wifi的空气消毒智能控制方法和装置 Download PDFInfo
- Publication number
- CN113432267A CN113432267A CN202110731288.XA CN202110731288A CN113432267A CN 113432267 A CN113432267 A CN 113432267A CN 202110731288 A CN202110731288 A CN 202110731288A CN 113432267 A CN113432267 A CN 113432267A
- Authority
- CN
- China
- Prior art keywords
- concentration
- disinfection
- disinfected
- information
- area
- 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
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
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/56—Remote control
- F24F11/58—Remote control using Internet communication
-
- 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
-
- 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
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)
- Human Computer Interaction (AREA)
- Apparatus For Disinfection Or Sterilisation (AREA)
Abstract
本发明公开了一种基于wifi的空气消毒智能控制方法和装置,其中,所述方法包括:设定第一待消毒区域;监测第一污染气体浓度信息;监测第一污染颗粒物浓度信息;获得第一污染物浓度信息;构建所述第一待消毒区域的污染物浓度与消毒因子浓度之间的马尔科夫链;基于所述马尔科夫链,获得对应的第一消毒因子浓度信息;将所述第一消毒因子浓度信息反馈至空气消毒装置,并对所述第一待消毒区域进行消毒,其中,所述空气消毒装置与所述空气消毒智能控制装置wifi连接。解决了现有技术中的无法根据实时空气污染物浓度,自动调节消毒因子浓度,使得消毒效果无法达到预期要求的技术问题。
Description
技术领域
本发明涉及空气消毒领域,具体地,涉及一种基于wifi的空气消毒智能控制方法和装置。
背景技术
对于环境相对密闭且人员流动频繁等场地,空气中容易滋生大量细菌和病毒,这使得空气消毒在疾病预防控制过程中起到关键作用,有效的空气消毒能在一定时间内杀灭空气悬浮颗粒上沾染的病原。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中存在无法根据实时空气污染物浓度,自动调节消毒因子浓度,使得消毒效果无法达到预期要求的技术问题。
发明内容
针对现有技术中的缺陷,本申请实施例的目的是,通过提供一种基于wifi的空气消毒智能控制方法和装置,解决了现有技术中无法根据实时空气污染物浓度,自动调节消毒因子浓度,使得消毒效果无法达到预期要求的技术问题。达到了基于污染物浓度与消毒因子浓度之间的马尔科夫链,确保根据所述第一待消毒区域的实时空气污染物浓度,自动调节消毒因子浓度,使得消毒效果达到预期要求,进而实现对污染物进行智能的空气消毒的技术效果。
一方面,本申请实施例提供一种基于wifi的空气消毒智能控制方法,其中,所述方法应用于空气消毒智能控制装置,且所述装置内含气体传感器和颗粒物浓度传感器,所述方法还包括:设定第一待消毒区域;根据所述气体传感器,监测所述第一待消毒区域在第一时间的第一污染气体浓度信息;根据所述颗粒物浓度传感器,监测所述第一待消毒区域在所述第一时间的第一污染颗粒物浓度信息;基于所述第一污染气体浓度信息和所述第一污染颗粒物浓度信息,获得所述第一待消毒区域在所述第一时间的第一污染物浓度信息;根据第一污染物浓度信息,构建所述第一待消毒区域的污染物浓度与消毒因子浓度之间的马尔科夫链,其中,所述马尔科夫链内嵌于所述空气消毒智能控制装置;基于所述马尔科夫链,获得对应的第一消毒因子浓度信息;将所述第一消毒因子浓度信息反馈至空气消毒装置,并对所述第一待消毒区域进行消毒,其中,所述空气消毒装置与所述空气消毒智能控制装置wifi连接。
另一方面,本申请还提供了一种基于wifi的空气消毒智能控制装置,其中,所述装置包括:第一设定单元:所述第一设定单元用于设定第一待消毒区域;第一监测单元:所述第一监测单元用于根据气体传感器,监测所述第一待消毒区域在第一时间的第一污染气体浓度信息;第二监测单元:所述第二监测单元用于根据颗粒物浓度传感器,监测所述第一待消毒区域在所述第一时间的第一污染颗粒物浓度信息;第一获得单元:所述第一获得单元用于基于所述第一污染气体浓度信息和所述第一污染颗粒物浓度信息,获得所述第一待消毒区域在所述第一时间的第一污染物浓度信息;第一构建单元:所述第一构建单元用于根据第一污染物浓度信息,构建所述第一待消毒区域的污染物浓度与消毒因子浓度之间的马尔科夫链,其中,所述马尔科夫链内嵌于空气消毒智能控制装置;第二获得单元:所述第二获得单元用于基于所述马尔科夫链,获得对应的第一消毒因子浓度信息;第一反馈单元:所述第一反馈单元用于将所述第一消毒因子浓度信息反馈至空气消毒装置,并对所述第一待消毒区域进行消毒,其中,所述空气消毒装置与所述空气消毒智能控制装置wifi连接。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过设定第一待消毒区域;根据所述气体传感器,监测所述第一待消毒区域在第一时间的第一污染气体浓度信息;根据所述颗粒物浓度传感器,监测所述第一待消毒区域在所述第一时间的第一污染颗粒物浓度信息;基于所述第一污染气体浓度信息和所述第一污染颗粒物浓度信息,获得所述第一待消毒区域在所述第一时间的第一污染物浓度信息;根据第一污染物浓度信息,构建所述第一待消毒区域的污染物浓度与消毒因子浓度之间的马尔科夫链,其中,所述马尔科夫链内嵌于所述空气消毒智能控制装置;基于所述马尔科夫链,获得对应的第一消毒因子浓度信息;将所述第一消毒因子浓度信息反馈至空气消毒装置,并对所述第一待消毒区域进行消毒,其中,所述空气消毒装置与所述空气消毒智能控制装置wifi连接。达到了基于污染物浓度与消毒因子浓度之间的马尔科夫链,确保根据所述第一待消毒区域的实时空气污染物浓度,自动调节消毒因子浓度,使得消毒效果达到预期要求,进而实现对污染物进行智能的空气消毒的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
通过阅读参照以下附图对非限制性实施例所做的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本申请实施例一种基于wifi的空气消毒智能控制方法的流程示意图;
图2为本申请实施例一种基于wifi的空气消毒智能控制方法的获得对应的第一消毒因子浓度信息的流程示意图;
图3为本申请实施例一种基于wifi的空气消毒智能控制方法的获得预设初始消毒因子浓度信息的流程示意图;
图4为本申请实施例一种基于wifi的空气消毒智能控制方法的采集所述第一待消毒区域的历史污染物浓度集合的流程示意图;
图5为本申请实施例一种基于wifi的空气消毒智能控制方法的对所述第一降维数据集和所述第一特征数据集进行损失分析的流程示意图;
图6为本申请实施例一种基于wifi的空气消毒智能控制方法的对所述第一待消毒区域进行预处理的流程示意图;
图7为本申请实施例一种基于wifi的空气消毒智能控制方法的对所述第一处置方案进行修正的流程示意图;
图8为本申请实施例一种基于wifi的空气消毒智能控制装置的结构示意图;
图9为本申请实施例示例性电子设备的结构示意图。
具体实施方式
本申请实施例通过提供一种基于wifi的空气消毒智能控制方法和装置,解决了现有技术中无法根据实时空气污染物浓度,自动调节消毒因子浓度,使得消毒效果无法达到预期要求的技术问题。达到了基于污染物浓度与消毒因子浓度之间的马尔科夫链,确保根据所述第一待消毒区域的实时空气污染物浓度,自动调节消毒因子浓度,使得消毒效果达到预期要求,进而实现对污染物进行智能的空气消毒的技术效果。
下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
对于环境相对密闭且人员流动频繁等场地,空气中容易滋生大量细菌和病毒,这使得空气消毒在疾病预防控制过程中起到关键作用,有效的空气消毒能在一定时间内杀灭空气悬浮颗粒上沾染的病原。现有技术中存在无法根据实时空气污染物浓度,自动调节消毒因子浓度,使得消毒效果无法达到预期要求的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供一种基于wifi的空气消毒智能控制方法,其中,所述方法应用于空气消毒智能控制装置,且所述装置内含气体传感器和颗粒物浓度传感器,所述方法还包括:设定第一待消毒区域;根据所述气体传感器,监测所述第一待消毒区域在第一时间的第一污染气体浓度信息;根据所述颗粒物浓度传感器,监测所述第一待消毒区域在所述第一时间的第一污染颗粒物浓度信息;基于所述第一污染气体浓度信息和所述第一污染颗粒物浓度信息,获得所述第一待消毒区域在所述第一时间的第一污染物浓度信息;根据第一污染物浓度信息,构建所述第一待消毒区域的污染物浓度与消毒因子浓度之间的马尔科夫链,其中,所述马尔科夫链内嵌于所述空气消毒智能控制装置;基于所述马尔科夫链,获得对应的第一消毒因子浓度信息;将所述第一消毒因子浓度信息反馈至空气消毒装置,并对所述第一待消毒区域进行消毒,其中,所述空气消毒装置与所述空气消毒智能控制装置wifi连接。
为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
如图1所示,本申请实施例提供了一种基于wifi的空气消毒智能控制方法,其中,所述方法应用于空气消毒智能控制装置,且所述装置内含气体传感器和颗粒物浓度传感器,所述方法还包括:
步骤S100:设定第一待消毒区域;
具体而言,对于环境相对密闭且人员流动频繁等场地,空气中容易滋生大量细菌和病毒,这使得空气消毒在疾病预防控制过程中起到关键作用,有效的空气消毒能在一定时间内杀灭空气悬浮颗粒上沾染的病原。在本申请实施例中,所述第一待消毒区域为设定的某一具体的密闭场景,可以是车站、机场、体育馆等场景,通过设定所述第一待消毒区域,可以进一步对空气中的污染物进行消毒。
步骤S200:根据所述气体传感器,监测所述第一待消毒区域在第一时间的第一污染气体浓度信息;
步骤S300:根据所述颗粒物浓度传感器,监测所述第一待消毒区域在所述第一时间的第一污染颗粒物浓度信息;
具体而言,室内环境受到悬浮颗粒上沾染的病原,如细菌、病毒等;装潢装修后挥发性气态污染物,如氡、甲醛、苯系物、氨等;可吸入颗粒,如粉尘、烟雾、花粉等;生活异味,如人自身新陈代谢、霉味、垃圾气味等;室外污染空气入侵,如工业废气、汽车尾气、土囊灰尘等;以上也可总称为空气污染,降低或排除这种空气污染的方式为空气消毒。由此可以看出,空气污染物不仅包括气态污染物,还包括颗粒污染物,因此可分别基于所述气体传感器和所述颗粒物浓度传感器对空气中的气态、颗粒污染物进行监测,进一步的,所述第一时间为设定的某一时间节点,所述第一污染气体浓度信息为气体传感器探头探测得到的气体污染物浓度,所述第一污染颗粒物浓度信息为颗粒物浓度传感器探头探测得到的颗粒污染物浓度,便于基于此进行污染物浓度分析。
步骤S400:基于所述第一污染气体浓度信息和所述第一污染颗粒物浓度信息,获得所述第一待消毒区域在所述第一时间的第一污染物浓度信息;
具体而言,已知所述第一污染气体浓度信息和所述第一污染颗粒物浓度信息,通过对其进行成分、含量分析,进而获得所述第一待消毒区域在所述第一时间的第一污染物浓度信息,所述第一污染物浓度信息为对所述第一污染气体浓度信息和所述第一污染颗粒物浓度信息进行综合分析得到的结果,基于此,可对其进行适当浓度消毒因子的消毒。
步骤S500:根据第一污染物浓度信息,构建所述第一待消毒区域的污染物浓度与消毒因子浓度之间的马尔科夫链,其中,所述马尔科夫链内嵌于所述空气消毒智能控制装置;
具体而言,为了对任意污染浓度信息匹配适当消毒因子浓度,可构建马尔科夫链进行预测,进一步的,马尔科夫链是指数学中具有马尔科夫性质的离散事件随机过程。在其每一步中,系统根据概率分布可以从一个状态变到另一个状态,也可以保持当前状态,状态的改变叫做转移,与不同的状态改变相关的概率叫做转移概率。马尔科夫决策过程是一个典型的系列决策过程,基于当前状态和下一行为之间的映射关系,可构建马尔科夫决策过程,其中,当前状态可理解为实时的空气污染物浓度,下一行为可理解为基于当前状态,确定的消毒因子浓度。基于此,可对任意污染浓度信息匹配适当消毒因子浓度。
步骤S600:基于所述马尔科夫链,获得对应的第一消毒因子浓度信息;
步骤S700:将所述第一消毒因子浓度信息反馈至空气消毒装置,并对所述第一待消毒区域进行消毒,其中,所述空气消毒装置与所述空气消毒智能控制装置wifi连接。
具体而言,已知构建所述马尔科夫链,可获得所述第一污染物浓度信息对应的所述第一消毒因子浓度信息,进而将所述第一消毒因子浓度信息反馈至空气消毒装置,并对所述第一待消毒区域进行消毒,需要注意的是,所述空气消毒装置与所述空气消毒智能控制装置全程wifi连接,进而确保了终端与服务器之间的良好通讯,确保基于所述第一待消毒区域的实时空气污染物浓度,自动调节消毒因子浓度,进而实现对污染物进行智能的空气消毒,使得空气消毒在疾病预防控制过程中起到关键作用。
优选的,如图2所示,所述获得对应的第一消毒因子浓度信息,步骤S600还包括:
步骤S610:根据所述第一污染物浓度信息,获得预设初始消毒因子浓度信息;
步骤S620:根据所述预设初始消毒因子浓度信息,获得所述第一待消毒区域在第二时间的第二污染物浓度信息;
步骤S630:根据所述第二污染物浓度信息和所述预设初始消毒因子浓度信息,确定第一映射关系;
步骤S640:根据所述第一映射关系,构建所述历史污染物浓度集合的第一状态分布数据库;
步骤S650:根据所述第一状态分布数据库,获得所述第一待消毒区域处于第一期望空气状态下的第一概率;
步骤S660:判断所述第一概率是否满足第一期望概率;
步骤S670:若所述第一概率满足所述第一期望概率,获得所述第一期望空气状态对应的所述第一消毒因子浓度信息。
具体而言,为了基于马尔科夫链,对任意污染浓度信息匹配适当消毒因子浓度,进一步的,可根据所述第一污染物浓度信息,获得预设初始消毒因子浓度信息,所述预设初始消毒因子浓度信息为基于所述第一污染物浓度信息预设的消毒因子浓度信息,当基于所述预设初始消毒因子浓度信息对所述第一待消毒区域进行消毒之后,可获得所述第一待消毒区域在第二时间的第二污染物浓度信息,所述第二时间晚于所述第一时间,所述第二污染物浓度信息为进行一次消毒之后的空气中污染物浓度信息,相较于所述第一污染物浓度信息有所降低,进而可根据所述第二污染物浓度信息和所述预设初始消毒因子浓度信息,确定第一映射关系,所述第一映射关系即为当前行为与下一时刻的状态之间的映射关系,进而根据所述第一映射关系,构建所述历史污染物浓度集合的第一状态分布数据库,所述第一状态分布数据库展现了任意时刻状态与其上一时刻行为之间的状态分布,在本申请实施例中,即展示了任意时刻空气污染物浓度与其上一时刻消毒因子浓度之间的状态分布,进而可根据所述第一状态分布数据库,获得所述第一待消毒区域处于第一期望空气状态下的第一概率,其中,所述第一期望空气状态可理解为期望达到的所述第一待消毒区域的空气纯净程度,所述第一概率即为基于马尔科夫链获得的期望状态下的实际发生的概率,所述第一期望概率可理解为期望达到的所述第一待消毒区域的空气纯净程度的概率,举例而言,若所述期望达到的所述第一待消毒区域的空气纯净程度的概率为90%,同时所述第一概率为95%,则表明所述第一概率满足所述第一期望概率,即所述第一期望空气状态是可以实现的,进而获得所述第一期望空气状态对应的所述第一消毒因子浓度信息,所述第一消毒因子浓度信息为在达到期望空气状态时,对所述第一污染物浓度信息进行消毒的消毒因子浓度,实现了基于马尔科夫链,对任意污染浓度信息匹配适当消毒因子浓度,使得消毒效果达到预期要求。
优选的,如图3所示,所述获得预设初始消毒因子浓度信息,步骤S610还包括:
步骤S611:采集所述第一待消毒区域的历史污染物浓度集合;
步骤S612:对所述历史污染物浓度集合进行浓度等级划分,获得一级污染物浓度集合、二级污染物浓度集合以及三级污染物浓度集合;
步骤S613:将所述一级污染物浓度集合、所述二级污染物浓度集合以及所述三级污染物浓度集合输入消毒因子匹配模型进行训练,获得对应的一级消毒因子匹配浓度集合、二级消毒因子匹配浓度集合以及三级消毒因子匹配浓度集合;
步骤S614:基于所述一级消毒因子匹配浓度集合、所述二级消毒因子匹配浓度集合以及所述三级消毒因子匹配浓度集合,构建消毒因子适配数据库;
步骤S615:将所述第一污染物浓度信息输入至所述消毒因子适配数据库,获得匹配的所述预设初始消毒因子浓度信息。
具体而言,为了获得预设初始消毒因子浓度信息,进一步的,可采集所述第一待消毒区域的历史污染物浓度集合,所述历史污染物浓度集合为对所述第一待消毒区域的历史污染物浓度进行采集,举例而言,所述第一待消毒区域可理解为化工厂等场地,则所述历史污染物浓度集合即为化学药品生产过程产生的污染物的历史数据集合,进而对所述历史污染物浓度集合进行浓度等级划分,获得一级污染物浓度集合、二级污染物浓度集合以及三级污染物浓度集合,所述一级污染物浓度集合中污染物浓度最高,所述二级污染物浓度集合中污染物浓度次之,所述三级污染物浓度集合中污染物浓度最低,逐级递减,为了基于各级污染物浓度集合,匹配不同的消毒因子浓度集合,可将所述一级污染物浓度集合、所述二级污染物浓度集合以及所述三级污染物浓度集合输入消毒因子匹配模型进行训练,获得对应的一级消毒因子匹配浓度集合、二级消毒因子匹配浓度集合以及三级消毒因子匹配浓度集合,其中,所述一级消毒因子匹配浓度集合与所述一级污染物浓度集合一一对应,所述二级消毒因子匹配浓度集合与所述二级污染物浓度集合一一对应,所述三级消毒因子匹配浓度集合与所述三级污染物浓度集合一一对应,其中,所述消毒因子匹配模型可对输入的污染物浓度进行训练,直至训练获得匹配的消毒因子浓度,进而基于所述一级消毒因子匹配浓度集合、所述二级消毒因子匹配浓度集合以及所述三级消毒因子匹配浓度集合,构建消毒因子适配数据库,所述消毒因子适配数据库包括了各级污染物浓度与对应的消毒因子浓度之间的网络分布,通过将所述第一污染物浓度信息输入至所述消毒因子适配数据库,可获得匹配的所述预设初始消毒因子浓度信息,进而实现了初步获得预设初始消毒因子浓度信息的要求。
优选的,如图4所示,所述采集所述第一待消毒区域的历史污染物浓度集合,步骤S611还包括:
步骤S6111:根据所述历史污染物浓度集合,获得第一特征数据集;
步骤S6112:对所述第一特征数据集进行中心化处理,获得第二特征数据集;
步骤S6113:获得所述第二特征数据集的第一协方差矩阵;
步骤S6114:对所述第一协方差矩阵进行运算,获得所述第一协方差矩阵的第一特征值和第一特征向量;
步骤S6115:将所述第一特征数据集投影到所述第一特征向量,获得第一降维数据集,其中所述第一降维数据集为所述第一特征数据集降维之后获得的特征数据集。
具体而言,可根据所述历史污染物浓度集合,获得第一特征数据集,进而对提取到的特征数据进行数值化处理,并构建特征数据集矩阵,获得所述第一特征数据集。继而对所述第一特征数据集中的各特征数据进行中心化处理,首先求解所述第一特征数据集中各特征的平均值,然后对于所有的样本,每一个特征都减去自身的均值,继而获得新的特征值,由新的特征值构成所述第二特征数据集,所述第二特征数据集为一数据矩阵。通过协方差公式:
对所述第二特征数据集进行运算,获得所述第二特征数据集的第一协方差矩阵。其中,为所述第二特征数据集中的特征数据;为该特征数据的平均值;M为所述第二特征数据集中的样本数据总量。继而通过矩阵运算,求出所述第一协方差矩阵的特征值及特征向量,且每一特征值对应一个特征向量。在求出的所述第一特征向量中,选取最大的前K个特征值及其对应的特征向量,并将所述第一特征数据集中的原始特征投影到所选取的特征向量之上,得到降维之后的所述第一特征数据集。通过主成分分析法对数据库中的特征数据进行降维处理,在保证信息量的前提下,剔除冗余数据,使得数据库中特征数据的样本量减小,且降维后信息量损失最小,从而加快训练模型对于数据的运算速度。
优选的,如图5所示,本申请实施例还包括:
步骤S6116:对所述第一降维数据集和所述第一特征数据集进行损失分析,获得第一损失数据集;
步骤S6117:将所述第一损失数据集输入至所述消毒因子匹配模型进行增量学习。
具体而言,在对所述历史污染物浓度集合进行降维处理之后,不可避免的会造成一定原始数据的丢失,为了确保原始数据的泛化性,可对所述第一降维数据集和所述第一特征数据集进行损失分析,即将降维处理前后的数据集进行遍历的损失分析,所述第一损失数据集即为降维处理过程中丢失的必要的原始数据集合,同时,将所述第一损失数据集输入至所述消毒因子匹配模型进行增量学习,确保了原始数据的泛化性,进一步的,增量学习思想可以描述为:每当新增数据时,并不需要重建所有的知识库,而是在原有知识库的基础上,仅对由于新增数据所引起的变化进行更新,使得不断的更新原始数据的多样性,实现消毒因子匹配模型的包容性和实时更新性。
优选的,如图6所示,本申请实施例还包括:
步骤S810:获得所述第一待消毒区域的第一属性信息;
步骤S820:判断所述第一属性信息是否满足预设属性阈值;
步骤S830:若所述第一属性信息满足所述预设属性阈值,根据所述第一污染物浓度信息,生成第一预处理指令;
步骤S840:根据所述第一属性信息,获得第一处置方案;
步骤S850:根据所述第一预处理指令和所述第一处置方案,对所述第一待消毒区域进行预处理。
具体而言,为了对所述第一待消毒区域进行充分消毒,进一步的,可获得所述第一待消毒区域的第一属性信息,所述第一属性信息可理解为所述第一待消毒区域的污染气体的属性,包括各种化学属性等,比如易挥发性、强腐蚀性等,进而判断所述第一属性信息是否满足预设属性阈值,所述预设属性阈值即为预设的污染气体具有易挥发性、强腐蚀性、毒性等属性,如果满足,则说明所述第一污染物具有易挥发性、强腐蚀性、毒性等属性,可根据所述第一污染物浓度信息,生成第一预处理指令,所述第一预处理指令可理解为先对具备易挥发性、强腐蚀性、毒性等属性的污染物进行预处理,稍后在对普通污染物进行处理,所述第一处置方案与所述第一属性信息具有直接对应关系,举例而言,若所述第一属性信息包括毒性,则所述第一处置方案为可以是设置安全隔离空间、开窗通风等操作,进而根据所述第一预处理指令和所述第一处置方案,对所述第一待消毒区域进行预处理,以此实现对所述第一待消毒区域进行充分消毒。
优选的,如图7所示,本申请实施例还包括:
步骤S851:获得所述第一待消毒区域的第一监控图像信息;
步骤S852:根据所述第一监控图像信息,获得第一陈设物件信息;
步骤S853:判断所述第一消毒因子浓度信息是否会对所述第一陈设物件信息产生影响;
步骤S854:若所述第一消毒因子浓度信息会对所述第一陈设物件信息产生影响,根据所述第一预处理指令,对所述第一处置方案进行修正。
具体而言,为了降低消毒因子对所述第一待消毒区域造成的影响,进一步的,所述第一监控图像信息为对所述第一待消毒区域进行监控的图像,所述第一陈设物件信息为所述第一待消毒区域中陈设的物件,包括化学生产仪器、设备等,进而判断所述第一消毒因子浓度信息是否会对所述第一陈设物件信息产生影响,众所周知,消毒因子多包括腐蚀性化学成分,会对化学生产仪器、设备等造成轻微的折损,如果所述第一消毒因子浓度信息会对所述第一陈设物件信息产生影响,根据所述第一预处理指令,对所述第一处置方案进行修正,即进行消毒之前,先对陈设物件进行消毒因子的隔离处置,确保不对其产生折损,进而降低消毒因子对所述第一待消毒区域造成的影响。
与现有技术相比,本发明具有如下的有益效果:
1、通过设定第一待消毒区域;根据所述气体传感器,监测所述第一待消毒区域在第一时间的第一污染气体浓度信息;根据所述颗粒物浓度传感器,监测所述第一待消毒区域在所述第一时间的第一污染颗粒物浓度信息;基于所述第一污染气体浓度信息和所述第一污染颗粒物浓度信息,获得所述第一待消毒区域在所述第一时间的第一污染物浓度信息;根据第一污染物浓度信息,构建所述第一待消毒区域的污染物浓度与消毒因子浓度之间的马尔科夫链,其中,所述马尔科夫链内嵌于所述空气消毒智能控制装置;基于所述马尔科夫链,获得对应的第一消毒因子浓度信息;将所述第一消毒因子浓度信息反馈至空气消毒装置,并对所述第一待消毒区域进行消毒,其中,所述空气消毒装置与所述空气消毒智能控制装置wifi连接。达到了基于污染物浓度与消毒因子浓度之间的马尔科夫链,确保根据所述第一待消毒区域的实时空气污染物浓度,自动调节消毒因子浓度,使得消毒效果达到预期要求,进而实现对污染物进行智能的空气消毒的技术效果。
实施例二
基于与前述实施例中一种基于wifi的空气消毒智能控制方法同样发明构思,本发明还提供了一种基于wifi的空气消毒智能控制装置,如图8所示,所述装置包括:
第一设定单元11:所述第一设定单元11用于设定第一待消毒区域;
第一监测单元12:所述第一监测单元12用于根据气体传感器,监测所述第一待消毒区域在第一时间的第一污染气体浓度信息;
第二监测单元13:所述第二监测单元13用于根据颗粒物浓度传感器,监测所述第一待消毒区域在所述第一时间的第一污染颗粒物浓度信息;
第一获得单元14:所述第一获得单元14用于基于所述第一污染气体浓度信息和所述第一污染颗粒物浓度信息,获得所述第一待消毒区域在所述第一时间的第一污染物浓度信息;
第一构建单元15:所述第一构建单元15用于根据第一污染物浓度信息,构建所述第一待消毒区域的污染物浓度与消毒因子浓度之间的马尔科夫链,其中,所述马尔科夫链内嵌于空气消毒智能控制装置;
第二获得单元16:所述第二获得单元16用于基于所述马尔科夫链,获得对应的第一消毒因子浓度信息;
第一反馈单元17:所述第一反馈单元17用于将所述第一消毒因子浓度信息反馈至空气消毒装置,并对所述第一待消毒区域进行消毒,其中,所述空气消毒装置与所述空气消毒智能控制装置wifi连接。
进一步的,所述系统还包括:
第三获得单元:所述第三获得单元用于根据所述第一污染物浓度信息,获得预设初始消毒因子浓度信息;
第四获得单元:所述第四获得单元用于根据所述预设初始消毒因子浓度信息,获得所述第一待消毒区域在第二时间的第二污染物浓度信息;
第一确定单元:所述第一确定单元用于根据所述第二污染物浓度信息和所述预设初始消毒因子浓度信息,确定第一映射关系;
第二构建单元:所述第二构建单元用于根据所述第一映射关系,构建所述历史污染物浓度集合的第一状态分布数据库;
第五获得单元:所述第五获得单元用于根据所述第一状态分布数据库,获得所述第一待消毒区域处于第一期望空气状态下的第一概率;
第一判断单元:所述第一判断单元用于判断所述第一概率是否满足第一期望概率;
第六获得单元:所述第六获得单元用于若所述第一概率满足所述第一期望概率,获得所述第一期望空气状态对应的所述第一消毒因子浓度信息。
进一步的,所述系统还包括:
第一采集单元:所述第一采集单元用于采集所述第一待消毒区域的历史污染物浓度集合;
第一划分单元:所述第一划分单元用于对所述历史污染物浓度集合进行浓度等级划分,获得一级污染物浓度集合、二级污染物浓度集合以及三级污染物浓度集合;
第一输入单元:所述第一输入单元用于将所述一级污染物浓度集合、所述二级污染物浓度集合以及所述三级污染物浓度集合输入消毒因子匹配模型进行训练,获得对应的一级消毒因子匹配浓度集合、二级消毒因子匹配浓度集合以及三级消毒因子匹配浓度集合;
第三构建单元:所述第三构建单元用于基于所述一级消毒因子匹配浓度集合、所述二级消毒因子匹配浓度集合以及所述三级消毒因子匹配浓度集合,构建消毒因子适配数据库;
第二输入单元:所述第二输入单元用于将所述第一污染物浓度信息输入至所述消毒因子适配数据库,获得匹配的所述预设初始消毒因子浓度信息。
进一步的,所述系统还包括:
第七获得单元:所述第七获得单元用于根据所述历史污染物浓度集合,获得第一特征数据集;
第一处理单元:所述第一处理单元用于对所述第一特征数据集进行中心化处理,获得第二特征数据集;
第八获得单元:所述第八获得单元用于获得所述第二特征数据集的第一协方差矩阵;
第一运算单元:所述第一运算单元用于对所述第一协方差矩阵进行运算,获得所述第一协方差矩阵的第一特征值和第一特征向量;
第一投影单元:所述第一投影单元用于将所述第一特征数据集投影到所述第一特征向量,获得第一降维数据集,其中所述第一降维数据集为所述第一特征数据集降维之后获得的特征数据集。
进一步的,所述系统还包括:
第一分析单元:所述第一分析单元用于对所述第一降维数据集和所述第一特征数据集进行损失分析,获得第一损失数据集;
第三输入单元:所述第三输入单元用于将所述第一损失数据集输入至所述消毒因子匹配模型进行增量学习。
进一步的,所述系统还包括:
第九获得单元:所述第九获得单元用于获得所述第一待消毒区域的第一属性信息;
第二判断单元:所述第二判断单元用于判断所述第一属性信息是否满足预设属性阈值;
第一生成单元:所述第一生成单元用于若所述第一属性信息满足所述预设属性阈值,根据所述第一污染物浓度信息,生成第一预处理指令;
第十获得单元:所述第十获得单元用于根据所述第一属性信息,获得第一处置方案;
第二处理单元:所述第二处理单元用于根据所述第一预处理指令和所述第一处置方案,对所述第一待消毒区域进行预处理。
进一步的,所述系统还包括:
第十一获得单元:所述第十一获得单元用于获得所述第一待消毒区域的第一监控图像信息;
第十二获得单元:所述第十二获得单元用于根据所述第一监控图像信息,获得第一陈设物件信息;
第三判断单元:所述第三判断单元用于判断所述第一消毒因子浓度信息是否会对所述第一陈设物件信息产生影响;
第一修正单元:所述第一修正单元用于若所述第一消毒因子浓度信息会对所述第一陈设物件信息产生影响,根据所述第一预处理指令,对所述第一处置方案进行修正。
前述图1实施例一中的一种基于wifi的空气消毒智能控制方法的各种变化方式和具体实例同样适用于本实施例的一种基于wifi的空气消毒智能控制装置,通过前述对一种基于wifi的空气消毒智能控制方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于wifi的空气消毒智能控制装置的实施方法,所以为了说明书的简洁,再次不再详述。
实施例三
下面参考图9来描述本申请实施例的电子设备。
图9图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实例施中一种基于wifi的空气消毒智能控制方法的发明构思,本发明还提供一种基于wifi的空气消毒智能控制装置,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种基于wifi的空气消毒智能控制装置的任一方法的步骤。
其中,在图9中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例提供一种基于wifi的空气消毒智能控制方法,其中,所述方法应用于空气消毒智能控制装置,且所述装置内含气体传感器和颗粒物浓度传感器,所述方法还包括:设定第一待消毒区域;根据所述气体传感器,监测所述第一待消毒区域在第一时间的第一污染气体浓度信息;根据所述颗粒物浓度传感器,监测所述第一待消毒区域在所述第一时间的第一污染颗粒物浓度信息;基于所述第一污染气体浓度信息和所述第一污染颗粒物浓度信息,获得所述第一待消毒区域在所述第一时间的第一污染物浓度信息;根据第一污染物浓度信息,构建所述第一待消毒区域的污染物浓度与消毒因子浓度之间的马尔科夫链,其中,所述马尔科夫链内嵌于所述空气消毒智能控制装置;基于所述马尔科夫链,获得对应的第一消毒因子浓度信息;将所述第一消毒因子浓度信息反馈至空气消毒装置,并对所述第一待消毒区域进行消毒,其中,所述空气消毒装置与所述空气消毒智能控制装置wifi连接。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于wifi的空气消毒智能控制方法,其中,所述方法应用于空气消毒智能控制装置,且所述装置内含气体传感器和颗粒物浓度传感器,所述方法还包括:
设定第一待消毒区域;
根据所述气体传感器,监测所述第一待消毒区域在第一时间的第一污染气体浓度信息;
根据所述颗粒物浓度传感器,监测所述第一待消毒区域在所述第一时间的第一污染颗粒物浓度信息;
基于所述第一污染气体浓度信息和所述第一污染颗粒物浓度信息,获得所述第一待消毒区域在所述第一时间的第一污染物浓度信息;
根据第一污染物浓度信息,构建所述第一待消毒区域的污染物浓度与消毒因子浓度之间的马尔科夫链,其中,所述马尔科夫链内嵌于所述空气消毒智能控制装置;
基于所述马尔科夫链,获得对应的第一消毒因子浓度信息;
将所述第一消毒因子浓度信息反馈至空气消毒装置,并对所述第一待消毒区域进行消毒,其中,所述空气消毒装置与所述空气消毒智能控制装置wifi连接。
2.如权利要求1所述的方法,其中,所述获得对应的第一消毒因子浓度信息,还包括:
根据所述第一污染物浓度信息,获得预设初始消毒因子浓度信息;
根据所述预设初始消毒因子浓度信息,获得所述第一待消毒区域在第二时间的第二污染物浓度信息;
根据所述第二污染物浓度信息和所述预设初始消毒因子浓度信息,确定第一映射关系;
根据所述第一映射关系,构建所述历史污染物浓度集合的第一状态分布数据库;
根据所述第一状态分布数据库,获得所述第一待消毒区域处于第一期望空气状态下的第一概率;
判断所述第一概率是否满足第一期望概率;
若所述第一概率满足所述第一期望概率,获得所述第一期望空气状态对应的所述第一消毒因子浓度信息。
3.如权利要求2所述的方法,其中,所述获得预设初始消毒因子浓度信息,还包括:
采集所述第一待消毒区域的历史污染物浓度集合;
对所述历史污染物浓度集合进行浓度等级划分,获得一级污染物浓度集合、二级污染物浓度集合以及三级污染物浓度集合;
将所述一级污染物浓度集合、所述二级污染物浓度集合以及所述三级污染物浓度集合输入消毒因子匹配模型进行训练,获得对应的一级消毒因子匹配浓度集合、二级消毒因子匹配浓度集合以及三级消毒因子匹配浓度集合;
基于所述一级消毒因子匹配浓度集合、所述二级消毒因子匹配浓度集合以及所述三级消毒因子匹配浓度集合,构建消毒因子适配数据库;
将所述第一污染物浓度信息输入至所述消毒因子适配数据库,获得匹配的所述预设初始消毒因子浓度信息。
4.如权利要求3所述的方法,其中,所述采集所述第一待消毒区域的历史污染物浓度集合,还包括:
根据所述历史污染物浓度集合,获得第一特征数据集;
对所述第一特征数据集进行中心化处理,获得第二特征数据集;
获得所述第二特征数据集的第一协方差矩阵;
对所述第一协方差矩阵进行运算,获得所述第一协方差矩阵的第一特征值和第一特征向量;
将所述第一特征数据集投影到所述第一特征向量,获得第一降维数据集,其中所述第一降维数据集为所述第一特征数据集降维之后获得的特征数据集。
5.如权利要求4所述的方法,其中,所述方法还包括:
对所述第一降维数据集和所述第一特征数据集进行损失分析,获得第一损失数据集;
将所述第一损失数据集输入至所述消毒因子匹配模型进行增量学习。
6.如权利要求1所述的方法,其中,所述方法还包括:
获得所述第一待消毒区域的第一属性信息;
判断所述第一属性信息是否满足预设属性阈值;
若所述第一属性信息满足所述预设属性阈值,根据所述第一污染物浓度信息,生成第一预处理指令;
根据所述第一属性信息,获得第一处置方案;
根据所述第一预处理指令和所述第一处置方案,对所述第一待消毒区域进行预处理。
7.如权利要求6所述的方法,其中,所述方法还包括:
获得所述第一待消毒区域的第一监控图像信息;
根据所述第一监控图像信息,获得第一陈设物件信息;
判断所述第一消毒因子浓度信息是否会对所述第一陈设物件信息产生影响;
若所述第一消毒因子浓度信息会对所述第一陈设物件信息产生影响,根据所述第一预处理指令,对所述第一处置方案进行修正。
8.一种基于wifi的空气消毒智能控制装置,其中,所述装置包括:
第一设定单元:所述第一设定单元用于设定第一待消毒区域;
第一监测单元:所述第一监测单元用于根据气体传感器,监测所述第一待消毒区域在第一时间的第一污染气体浓度信息;
第二监测单元:所述第二监测单元用于根据颗粒物浓度传感器,监测所述第一待消毒区域在所述第一时间的第一污染颗粒物浓度信息;
第一获得单元:所述第一获得单元用于基于所述第一污染气体浓度信息和所述第一污染颗粒物浓度信息,获得所述第一待消毒区域在所述第一时间的第一污染物浓度信息;
第一构建单元:所述第一构建单元用于根据第一污染物浓度信息,构建所述第一待消毒区域的污染物浓度与消毒因子浓度之间的马尔科夫链,其中,所述马尔科夫链内嵌于空气消毒智能控制装置;
第二获得单元:所述第二获得单元用于基于所述马尔科夫链,获得对应的第一消毒因子浓度信息;
第一反馈单元:所述第一反馈单元用于将所述第一消毒因子浓度信息反馈至空气消毒装置,并对所述第一待消毒区域进行消毒,其中,所述空气消毒装置与所述空气消毒智能控制装置wifi连接。
9.一种基于wifi的空气消毒智能控制装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110731288.XA CN113432267A (zh) | 2021-06-29 | 2021-06-29 | 一种基于wifi的空气消毒智能控制方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110731288.XA CN113432267A (zh) | 2021-06-29 | 2021-06-29 | 一种基于wifi的空气消毒智能控制方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113432267A true CN113432267A (zh) | 2021-09-24 |
Family
ID=77757875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110731288.XA Pending CN113432267A (zh) | 2021-06-29 | 2021-06-29 | 一种基于wifi的空气消毒智能控制方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113432267A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050247194A1 (en) * | 2004-05-06 | 2005-11-10 | Pengju Kang | Technique for detecting and predicting air filter condition |
CN105683699A (zh) * | 2013-08-22 | 2016-06-15 | 凯文·汉斯·梅尔斯海默 | 用于物质和能量梯级跌流的建筑系统 |
CN109442695A (zh) * | 2018-11-12 | 2019-03-08 | 清华大学 | 基于室内人数的空调及新风系统预测性控制方法及系统 |
US20190186767A1 (en) * | 2014-11-17 | 2019-06-20 | Transform Sr Brands Llc | Sensors for detecting presence, occupancy, and/or motion and related systems and methods |
JP2021505570A (ja) * | 2017-12-04 | 2021-02-18 | ルバンス セラピュティックス インク.Revance Therapeutics,Inc. | 高い応答率及び長い効果の持続期間を有する注射可能なボツリヌス毒素製剤及びその使用方法 |
-
2021
- 2021-06-29 CN CN202110731288.XA patent/CN113432267A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050247194A1 (en) * | 2004-05-06 | 2005-11-10 | Pengju Kang | Technique for detecting and predicting air filter condition |
CN105683699A (zh) * | 2013-08-22 | 2016-06-15 | 凯文·汉斯·梅尔斯海默 | 用于物质和能量梯级跌流的建筑系统 |
US20190186767A1 (en) * | 2014-11-17 | 2019-06-20 | Transform Sr Brands Llc | Sensors for detecting presence, occupancy, and/or motion and related systems and methods |
JP2021505570A (ja) * | 2017-12-04 | 2021-02-18 | ルバンス セラピュティックス インク.Revance Therapeutics,Inc. | 高い応答率及び長い効果の持続期間を有する注射可能なボツリヌス毒素製剤及びその使用方法 |
CN109442695A (zh) * | 2018-11-12 | 2019-03-08 | 清华大学 | 基于室内人数的空调及新风系统预测性控制方法及系统 |
Non-Patent Citations (3)
Title |
---|
李名升等: "马尔科夫链在环境质量预测中的应用", 《环境工程》 * |
杨锦伟等: "基于灰色马尔科夫模型的平顶山市空气污染物浓度预测", 《数学的实践与认识》 * |
甘茂林等: "基于离散参数马尔科夫链的PM_(2.5)预测", 《安全与环境工程》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vandewalle et al. | A robust estimator for the tail index of Pareto-type distributions | |
Ren et al. | Multi-criteria group decision-making based sustainability measurement of wastewater treatment processes | |
Zangiabadi et al. | Fuzzy goal programming for multiobjective transportation problems | |
LeChevallier et al. | Protecting wastewater workers from disease risks: Personal protective equipment guidelines | |
CN112801422B (zh) | 数值模型和线性规划模型相结合的大气污染协同控制方法 | |
CN114210718B (zh) | 一种农产品污染治理修复方法 | |
Yu et al. | Activated sludge process faults diagnosis based on an improved particle filter algorithm | |
CN113432267A (zh) | 一种基于wifi的空气消毒智能控制方法和装置 | |
Loughlin et al. | Chance-constrained optimization using genetic algorithms: An application in air quality management | |
CN113077847B (zh) | 在线模型水质转换方法、系统、电子设备及介质 | |
Ding | A new uncertain programming model for grain supply chain design | |
CN116523146B (zh) | 一种基于神经网络的医院污水量预测方法及装置 | |
Barrera-Redondo et al. | Rates of molecular evolution in tree ferns are associated with body size, environmental temperature, and biological productivity | |
CN115331467B (zh) | 一种基于视频监控的垃圾处理全流程监控方法 | |
CN116930420A (zh) | 一种气体复合恶臭检测方法 | |
CN113642669B (zh) | 基于特征分析的防欺诈检测方法、装置、设备及存储介质 | |
CN111675257B (zh) | 一种污水处理厂的远程集控方法与系统 | |
CN117172994B (zh) | 一种污染土壤的微生物联合修复方案推荐方法及系统 | |
Pujol et al. | Added value of experts' knowledge to improve a quantitative microbial exposure assessment model—Application to aseptic-UHT food products | |
Andarge | The effect of incomplete enforcement information on ambient pollution levels: Evidence from the Clean Water Act | |
Liu et al. | A hybrid algorithm for the reliability evaluation models of chemical systems | |
Weickgenannt et al. | Optimal sensor placement for the efficient contaminant detection in water distribution systems | |
Saini et al. | Integrating IoT and AI for Indoor Air Quality Assessment | |
Škraba et al. | Parametrization of bass diffusion model on COVID-19 first wave data | |
Faisal et al. | Analysis of interactions among the barriers to effective hospital waste management |
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 |
Application publication date: 20210924 |
|
RJ01 | Rejection of invention patent application after publication |