CN115239769A - 对象的分布位置确定方法、装置、电子设备和介质 - Google Patents
对象的分布位置确定方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN115239769A CN115239769A CN202210626199.3A CN202210626199A CN115239769A CN 115239769 A CN115239769 A CN 115239769A CN 202210626199 A CN202210626199 A CN 202210626199A CN 115239769 A CN115239769 A CN 115239769A
- Authority
- CN
- China
- Prior art keywords
- distributed
- determining
- space
- air state
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 108
- 230000000007 visual effect Effects 0.000 claims abstract description 28
- 238000007405 data analysis Methods 0.000 claims abstract description 15
- 230000035945 sensitivity Effects 0.000 claims abstract description 15
- 239000012530 fluid Substances 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000004088 simulation Methods 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 7
- 238000012800 visualization Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000013461 design Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003750 conditioning effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000010422 painting Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 229910052573 porcelain Inorganic materials 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fluid Mechanics (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本公开涉及一种对象的分布位置确定方法、装置、电子设备和介质;其中,该方法包括:获取待分布空间内的空气状态参数的预测数据,并基于预测数据确定对应的可视化图像;对可视化图像进行数据分析,确定待分布空间内不同区域与空气状态参数相关的目标参数值;根据目标参数值和不同对象的属性信息,确定不同对象分别对应的分布位置,其中,属性信息包括:对空气状态参数的敏感性。本公开实施例能够为不同的对象确定合适的分布位置,有利于提高对象的保护效果。
Description
技术领域
本公开涉及对象的分布领域,尤其涉及一种对象的分布位置确定方法、装置、电子设备和介质。
背景技术
对于待分布空间中的对象而言,不同的分布位置所对应的空气状态参数可能不同,因此,对对象的影响也不同。从保护对象的角度而言,需要为每个对象确定合适的分布位置。
空气状态参数中对对象的影响尤其重要,以博物馆和/或展览馆为例,当前对博物馆和/或展览馆中的展品进行展示时,主要是在博物馆和/或展览馆的展厅、展柜等待分布空间内放置与空气状态参数对应的传感器,对不同位置的空气状态进行实时和连续监测,以便将展品放在对应的分布位置以及确定展品是否处于适宜的环境中。但是上述方法中,传感器的数量有限且其位置也固定,在这种情况下只能获得有限单点位置的数据,无法获知待分布空间中所有位置的数据,因此难以准确地确定对象的分布位置,使得对对象的保护效果不佳。
发明内容
为了解决上述技术问题,本公开提供了一种对象的分布位置确定方法、装置、电子设备和介质。
第一方面,本公开提供了一种对象的分布位置确定方法,包括:
获取待分布空间内的空气状态参数的预测数据,并基于所述预测数据确定对应的可视化图像;
对所述可视化图像进行数据分析,确定所述待分布空间内不同区域与所述空气状态参数相关的目标参数值;
根据所述目标参数值和不同对象的属性信息,确定不同对象分别对应的分布位置,其中,所述属性信息包括:对所述空气状态参数的敏感性。
可选的,所述根据所述目标参数值和不同对象的属性信息,确定不同对象分别对应的分布位置,包括:
根据所述目标参数值,确定所述不同区域分别与所述空气状态参数对应的等级信息;
根据所述不同对象的属性信息和所述等级信息,确定所述不同对象分别对应的分布位置。
可选的,所述方法还包括:
基于目标对象的属性信息,确定所述目标对象的分布要求;
若所述待分布空间内目标区域对应的等级信息不符合所述目标对象的分布要求,则根据所述分布要求通过对应的调节设备对所述目标区域的空气状态参数进行调整。
可选的,所述基于所述预测数据确定对应的可视化图像,包括:
基于所述预测数据,根据可视化工具确定对应的垂直剖面数据云图和水平剖面数据云图。
可选的,所述获取待分布空间内的空气状态参数的预测数据,包括:
获取所述待分布空间内布置的与所述空气状态参数对应的传感器所采集的观测数据和所述待分布空间内影响所述空气状态参数的不同影响参数对应的参考数值;
基于所述观测数据和所述参考数值,根据计算流体力学方法和迭代集合卡尔曼滤波方法,确定所述待分布空间内的空气状态参数的预测数据。
可选的,所述基于所述观测数据和所述参考数值,根据计算流体力学方法和迭代集合卡尔曼滤波方法,确定所述待分布空间内的空气状态参数的预测数据,包括:
基于所述观测数据和所述参考数值,根据计算流体力学方法确定所述待分布空间内的所述空气状态参数的模拟数据;
基于所述参考数值与所述模拟数据之间的协方差矩、所述模拟数据之间的协方差矩阵以及测量误差方差矩阵,根据所述迭代集合卡尔曼滤波方法对所述计算流体力学方法中的边界条件参数进行修正,得到修正后的目标边界条件参数;
基于所述目标边界条件参数,确定所述待分布空间内的空气状态参数的预测数据。
可选的,所述方法还包括:
基于所述目标参数值,确定在所述待分布空间内待布置的与所述空气状态参数对应的传感器的目标位置;
在所述目标位置上布置对应的传感器,并返回执行获取待分布空间内的空气状态参数的预测数据,直到所述预测数据与对应的真实数据的误差小于预设阈值。
第二方面,本公开提供了一种对象的分布位置确定装置,包括:
图像确定模块,用于获取待分布空间内的空气状态参数的预测数据,并基于所述预测数据确定对应的可视化图像;
参数值确定模块,用于对所述可视化图像进行数据分析,确定所述待分布空间内不同区域与所述空气状态参数相关的目标参数值;
位置确定模块,用于根据所述目标参数值和不同对象的属性信息,确定不同对象分别对应的分布位置,其中,所述属性信息包括:对所述空气状态参数的敏感性。
可选的,位置确定模块,具体用于:
根据所述目标参数值,确定所述不同区域分别与所述空气状态参数对应的等级信息;
根据所述不同对象的属性信息和所述等级信息,确定所述不同对象分别对应的分布位置。
可选的,上述装置还包括:
要求确定模块,用于基于目标对象的属性信息,确定所述目标对象的分布要求;
调整模块,用于若所述待分布空间内目标区域对应的等级信息不符合所述目标对象的分布要求,则根据所述分布要求通过对应的调节设备对所述目标区域的空气状态参数进行调整。
可选的,图像确定模块,包括:
数据获取单元,用于获取待分布空间内的空气状态参数的预测数据;
图像确定单元,用于基于所述预测数据确定对应的可视化图像;
其中,图像确定单元,具体用于:基于所述预测数据,根据可视化工具确定对应的垂直剖面数据云图和水平剖面数据云图。
可选的,数据获取单元,包括:
数值获取子单元,用于获取所述待分布空间内布置的与所述空气状态参数对应的传感器所采集的观测数据和所述待分布空间内影响所述空气状态参数的不同影响参数对应的参考数值;
数据确定子单元,用于基于所述观测数据和所述参考数值,根据计算流体力学方法和迭代集合卡尔曼滤波方法,确定所述待分布空间内的空气状态参数的预测数据。
可选的,上述数据确定子单元,具体用于:
基于所述观测数据和所述参考数值,根据计算流体力学方法确定所述待分布空间内的所述空气状态参数的模拟数据;
基于所述参考数值与所述模拟数据之间的协方差矩、所述模拟数据之间的协方差矩阵以及测量误差方差矩阵,根据所述迭代集合卡尔曼滤波方法对所述计算流体力学方法中的边界条件参数进行修正,得到修正后的目标边界条件参数;
基于所述目标边界条件参数,确定所述待分布空间内的空气状态参数的预测数据。
可选的,上述装置还包括:
目标位置确定模块,用于基于所述目标参数值,确定在所述待分布空间内待布置的与所述空气状态参数对应的传感器的目标位置;
布置模块,用于在所述目标位置上布置对应的传感器,并返回执行获取待分布空间内的空气状态参数的预测数据,直到所述预测数据与对应的真实数据的误差小于预设阈值。
第三方面,本公开还提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本公开实施例中的任一种所述的对象的分布位置确定方法。
第四方面,本公开还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本公开实施例中的任一种所述的对象的分布位置确定方法。
本公开实施例提供的技术方案与现有技术相比具有如下优点:首先获取待分布空间内的空气状态参数的预测数据,并基于预测数据确定对应的可视化图像,然后对可视化图像进行数据分析,确定待分布空间内不同区域与空气状态参数相关的目标参数值,最后根据目标参数值和不同对象的属性信息,确定不同对象分别对应的分布位置,其中,属性信息包括:对空气状态参数的敏感性,通过上述过程能够为不同的对象确定合适的分布位置,有利于提高对象的保护效果。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本公开实施例提供的一种对象的分布位置确定方法的流程示意图;
图2是本公开实施例提供的另一种对象的分布位置确定方法的流程示意图;
图3是本公开实施例提供的一种对象的分布位置确定装置的结构示意图;
图4是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
图1是本公开实施例提供的一种对象的分布位置确定方法的流程示意图。本实施例可适用于确定对象在待分布空间内的分布位置的情况。本实施例方法可由对象的分布位置确定装置来执行,该装置可采用硬件/或软件的方式来实现,并可配置于电子设备中,其中该电子设备可以包括相关的计算机硬件设备和软件系统,用于实现本实施例中的对象的分布位置确定方法。如图1所示,该方法具体包括如下:
S110,获取待分布空间内的空气状态参数的预测数据,并基于预测数据确定对应的可视化图像。
其中,待分布空间可以理解为展示空间,该展示空间可以为已经建造好的;也可以为尚未建造好,仍在设计阶段(如建筑设计、暖通设计以及装修设计等)的,例如博物馆中的展厅、美术馆中的展厅或者设计阶段的某展厅等。空气状态参数可以为空气流速、空气中包含的特殊气体(如二氧化碳)、颗粒物(如PM2.5)、温度以及湿度等参数中的至少一个,还可以为其他参数,本实施例不做具体限制。预测数据可以理解为待分布空间内任意位置的与空气状态参数所对应的预测数据,该预测数据可以为待分布空间内任意位置在未来某个时间段的预测数据,未来某个时间段可以预先确定,如未来一个月,还可以视具体情况而定,本实施例对此不做具体限制,例如待分布空间内某个位置的空气流速在未来半个月的预测数据、待分布空间内某个位置的温度在未来半个月的预测数据或者湿度预测数据等。
为了确定各对象的分布位置,使得分布位置更加符合不同对象的分布需求,需要获取待分布空间内的空气状态参数的预测数据,以便后续能够对待分布空间内的不同区域进行分析。在获取到待分布空间内的空气状态参数的预测数据之后,为了能够更加直观的展示预测数据,基于预测数据通过相应的可视化方法能够确定与各空气状态参数的预测数据分别对应的可视化图像,便于后续的数据分析。
S120,对可视化图像进行数据分析,确定待分布空间内不同区域与空气状态参数相关的目标参数值。
其中,目标参数值可以理解为目标参数所对应的具体数值。目标参数可以是预先确定好的,例如空气状态参数的最值、空气状态参数的极差、空气状态参数的均值以及空气状态参数的标准差等,也可以视具体情况而定,本实施例不做具体限制。待分布空间内不同区域可以根据区域边界的空间点的坐标来确定。区域可以按照待分布空间的大小和形状等进行划分。
在得到预测数据对应的可视化图像之后,通过对可视化图像中包含的不同位置的数据进行分析、统计以及计算等,能够确定待分布空间内不同区域与空气状态参数相关的目标参数值,具体可以包括不同区域与空气流速、空气中包含的气体、温度或者湿度中至少一个参数相关的最值、极差、均值以及标准差等。
S130,根据目标参数值和不同对象的属性信息,确定不同对象分别对应的分布位置。
其中,属性信息包括:对空气状态参数的敏感性,例如对空气中包含的气体的敏感性、对温度的敏感性或者对湿度的敏感性等。对象可以理解为需要在待分布空间内展示的任意物品,例如博物馆中的展厅中的藏品(如书画、瓷器以及化石等)或者美术馆中的展厅中的书画等作品,本实施例对此不做具体限制。
在得到目标参数值之后,由于目标参数值与空气状态参数值相关,那么基于目标参数值和不同对象对空气状态参数的敏感性,能够将不同区域分别分配给对应的对象,从而确定出不同对象分别对应的分布位置。
示例性的,假设待分布空间内A区域与空气状态参数相关的目标参数值包括:温度最值a1、温度标准差b1、湿度最值c1以及湿度标准差d1,待分布空间内B区域与空气状态参数相关的目标参数值包括:温度最值a2、温度标准差b2、湿度最值c2以及湿度标准差d2,如果对象1的属性信息与A区域的目标参数值相匹配,则对象1所对应的分布位置为A区域。
在本实施例中,首先获取待分布空间内的空气状态参数的预测数据,并基于预测数据确定对应的可视化图像,然后对可视化图像进行数据分析,确定待分布空间内不同区域与空气状态参数相关的目标参数值,最后根据目标参数值和不同对象的属性信息,确定不同对象分别对应的分布位置,其中,属性信息包括:对空气状态参数的敏感性,通过上述过程能够为不同的对象确定合适的分布位置,有利于提高对象的保护效果。
在本实施例中,可选的,基于预测数据确定对应的可视化图像,可以具体包括:
基于预测数据,根据可视化工具确定对应的垂直剖面数据云图和水平剖面数据云图。
其中,垂直剖面可以理解为与地面垂直的剖面。水平剖面可以理解为与地面平行的剖面。
具体的,在得到空气状态参数的预测数据之后,根据该预测数据,通过相应的可视化工具,如Tableau,Qlik Sense以及QlikView等,以及待分布空间的几何模型能够确定出与预测数据对应的垂直剖面数据云图和水平剖面数据云图。
本实施例中,通过上述方法得到预测数据对应的可视化图像,简单高效,便于后续的数据分析,有利于提高工作效率。
在一些实施例中,在得到垂直剖面数据云图和水平剖面数据云图之后,可以根据垂直剖面数据云图和水平剖面数据云图对待分布空间内某个位置(例如某个剖面的某个区域)进行动态数据分析,从而确定该位置对应的数据随时间变化的情况,便于后续确定不同对象分别对应的分布位置。
在本实施例中,可选的,上述方法还可以具体包括:
基于目标参数值,确定在待分布空间内待布置的与空气状态参数对应的传感器的目标位置;
在目标位置上布置对应的传感器,并返回执行获取待分布空间内的空气状态参数的预测数据,直到预测数据与对应的真实数据的误差小于预设阈值。
其中,与空气状态参数对应的传感器的作用是为了获取对应位置的空气状态参数的观测数据,即:传感器实际测量的数据。传感器可以为温湿度监测传感器和/或气体监测传感器等,传感器的类型可以根据空气状态参数确定。预设阈值可以为预先设定的数值,也可以视具体情况而定,本实施例不做具体限制。
通常情况下,传感器布置的个数越多,待分布空间内的空气状态参数的预测数据就越准确,相应的,就会造成成本的提高,因此传感器的个数和布置位置尤为重要。在确定了待分布空间内不同区域与空气状态参数相关的目标参数值之后,能够对不同区域的湿热环境进行评估,从而可以确定在待分布空间内的哪些目标位置可以布置对应的传感器,以便后续在目标位置上布置对应的传感器,并返回执行获取待分布空间内的空气状态参数的预测数据,直到预测数据与对应的真实数据的误差小于预设阈值,能够提高预测数据的准确性。
本实施例中,通过上述方法能够为待分布空间内布置传感器时提供参考,合理利用资源以及提高预测数据的准确性。
在一些实施例中,在布置传感器时,还可以参考待分布空间的大小、形状以及地理位置等因素,使得传感器布置的更加合理,便于传感器能够充分发挥作用。
图2是本公开实施例提供的另一种对象的分布位置确定方法的流程示意图。本实施例是在上述实施例的基础上进行优化。可选的,本实施例对确定不同对象分别对应的分布位置的过程进行详细的解释说明。如图2所示,该方法具体包括如下:
S210,获取待分布空间内的空气状态参数的预测数据,并基于预测数据确定对应的可视化图像。
S220,对可视化图像进行数据分析,确定待分布空间内不同区域与空气状态参数相关的目标参数值。
S230,根据目标参数值,确定不同区域分别与空气状态参数对应的等级信息。
在得到目标参数值之后,根据目标参数值可以确定不同区域的空气状态参数所属的等级,具体可以根据不同空气状态参数分别对应的等级划分表确定不同区域的空气状态参数所属的等级,从而得到每个区域的空气状态参数分别对应的等级信息。
示例性的,假设空气状态参数为温度,目标参数值为温度标准差,那么可以将温度标准差在(0,X1)之间的确定为等级1(即温度较低),将温度标准差在[X1,X2]之间的确定为等级1(即温度适中),将温度标准差超过X2的确定为等级3(即温度较高),其中,X1小于X2。通过上述过程得到温度等级划分表之后,基于待分布空间内不同区域的温度标准差,能够确定不同区域分别与温度对应的等级信息。
S240,根据不同对象的属性信息和等级信息,确定不同对象分别对应的分布位置。
在得到不同区域分别与空气状态参数对应的等级信息之后,能够确定各区域的空气状态情况,再结合不同对象对空气状态参数的敏感性,能够为不同对象分别确定对应的分布位置,以便能够将不同对象分别放置在合适的分布位置上。
在本实施例中,首先获取待分布空间内的空气状态参数的预测数据,并基于预测数据确定对应的可视化图像,接着对可视化图像进行数据分析,确定待分布空间内不同区域与空气状态参数相关的目标参数值,然后根据目标参数值,确定不同区域分别与空气状态参数对应的等级信息,最后根据不同对象的属性信息和等级信息,确定不同对象分别对应的分布位置,通过上述方法能够将目标参数值、等级信息以及属性信息进行对应,从而确定出准确的分布位置,提高对象的保护效果,进一步提高和延长对象的使用价值。
在本实施例中,可选的,上述方法还可以具体包括:
基于目标对象的属性信息,确定目标对象的分布要求;
若待分布空间内目标区域对应的等级信息不符合目标对象的分布要求,则根据分布要求通过对应的调节设备对目标区域的空气状态参数进行调整。
其中,目标对象可以理解为多个不同对象中的至少一个对象。目标区域可以理解为多个不同区域中的至少一个区域。调节设备可以根据分布需求确定,例如温度调节设备(空调)、湿度调节设备(加湿器、干燥设备)、真空柜或者真空包装等。
具体的,根据目标对象的属性信息,能够确定目标对象对分布位置的要求,例如若某个目标对象对湿度比较敏感,不能放在潮湿的区域,则可以确定该目标对象的分布要求为需要分布在干燥的区域。如果待分布空间内目标区域的空气状态参数对应的等级信息不符合目标对象的分布要求,根据该分布要求通过对应的调节设备能够对目标区域的空气状态参数进行调整,以便能够将该目标区域作为目标对象的分布位置。
示例性的,如果目标对象的分布要求为该目标对象需要隔绝空气,那么在待分布空间内目标区域的空气状态参数对应的等级信息不符合该目标对象的分布要求的情况下,可以在目标区域内加装真空柜,并将目标对象放置在真空柜中。
本实施例中,通过上述方法对目标区域的空气状态参数进行调整,以使该目标区域的空气状态参数能够符合目标对象的分布要求,从而能够将该目标区域确定为目标对象的分布位置,提高待分布空间的可利用性。
在一些实施例中,若待分布空间为尚未建造好,仍在设计阶段的空间,基于该待分布空间内的空气状态参数的预测数据,可以在设计阶段就对该待分布空间在投入使用后的空气状态参数的流场分布情况进行预测,在预测的基础上可以反向优化建筑设计、暖通设计以及装修设计等,例如改变该待分布空间的区域划分或者在该待分布空间内布置对应的调节设备等,从而能够从源头上做好不同位置的优化工作,便于后续确定不同对象分别对应的分布位置。
在本实施例中,可选的,获取待分布空间内的空气状态参数的预测数据,可以具体包括:
获取待分布空间内布置的与空气状态参数对应的传感器所采集的观测数据和待分布空间内影响空气状态参数的不同影响参数对应的参考数值;
基于观测数据和参考数值,根据计算流体力学方法和迭代集合卡尔曼滤波方法,确定待分布空间内的空气状态参数的预测数据。
其中,待分布空间内布置的与空气状态参数对应的传感器的个数可以根据对应的密度确定,例如传感器布置参考密度≥1台/200m2,也可以视具体情况而定,本实施例不做具体限制。影响参数可以包括待分布空间内的相关设备(如照明设备)的散热量、人体散热量、围护结构传热量、热源温度、参观人流量及空调运行参数(如送风风速、送风风温)等,具体可以根据不同的空气状态参数确定。
具体的,先获取待分布空间内布置的与空气状态参数对应的传感器所采集的观测数据和待分布空间内影响空气状态参数的不同影响参数对应的参考数值,然后基于观测数据和参考数值,根据计算流体力学(Computational Fluid Dynamics,CFD)方法和迭代集合卡尔曼滤波(Iterative Ensemble Kalman Filter,IEnKF)方法,能够对待分布空间内所有位置的空气状态参数进行预测,从而得到待分布空间内的空气状态参数的预测数据。
本实施例中,通过将CFD方法和IEnKF方法相结合,能够准确地对待分布空间内所有位置的空气状态参数进行预测,从而提高后续确定的分布位置的准确性。
在本实施例中,可选的,基于观测数据和参考数值,根据计算流体力学方法和迭代集合卡尔曼滤波方法,确定待分布空间内的空气状态参数的预测数据,可以具体包括:
基于观测数据和参考数值,根据计算流体力学方法确定待分布空间内的空气状态参数的模拟数据;
基于参考数值与模拟数据之间的协方差矩、模拟数据之间的协方差矩阵以及测量误差方差矩阵,根据迭代集合卡尔曼滤波方法对计算流体力学方法中的边界条件参数进行修正,得到修正后的目标边界条件参数;
基于目标边界条件参数,确定待分布空间内的空气状态参数的预测数据。
其中,测量误差方差矩阵是由传感器所采集的各观测数据自身的背景噪声所组成的方差矩阵。边界条件参数可以从待分布空间内影响空气状态参数的不同影响参数中确定,也可以通过其他方式确定,本实施例不做具体限制。
具体的,CFD方法能够对待分布空间内的空气状态参数进行模拟,因此基于观测数据和参考数值,根据CFD方法能够确定出待分布空间内的空气状态参数的模拟数据。由于待分布空间内影响空气状态参数的不同影响参数对应的参考数值具有不确定性,因此基于参考数值与模拟数据之间的协方差矩、模拟数据之间的协方差矩阵以及测量误差方差矩阵,根据IEnKF方法能够对CFD方法中的边界条件参数进行修正,得到修正后的目标边界条件参数,然后根据目标边界条件参数,确定待分布空间内的空气状态参数的预测数据。
本实施例中,通过IEnKF方法反向修正CFD方法中的边界条件参数,并将CFD方法的正向模拟和IEnKF方法反向修正边界条件参数的过程进行循环迭代,能够提高预测数据的精度,进一步优化分布位置。
在本实施例中,可选的,基于观测数据和参考数值,根据计算流体力学方法和迭代集合卡尔曼滤波方法,确定待分布空间内的空气状态参数的预测数据,还可以具体包括:
基于所述观测数据和所述参考数值,根据CFD方法确定待分布空间内的空气状态参数的模拟数据;
基于IEnKF方法对模拟数据进行修正,得到待分布空间内的空气状态参数的预测数据。
本实施例中,将CFD方法的正向模拟和IEnKF方法的误差修正相结合,能够提高预测数据的准确性。
图3是本公开实施例提供的一种对象的分布位置确定装置的结构示意图;该装置配置于电子设备中,可实现本申请任意实施例所述的对象的分布位置确定方法。该装置具体包括如下:
图像确定模块310,用于获取待分布空间内的空气状态参数的预测数据,并基于所述预测数据确定对应的可视化图像;
参数值确定模块320,用于对所述可视化图像进行数据分析,确定所述待分布空间内不同区域与所述空气状态参数相关的目标参数值;
位置确定模块330,用于根据所述目标参数值和不同对象的属性信息,确定不同对象分别对应的分布位置,其中,所述属性信息包括:对所述空气状态参数的敏感性。
在本实施例中,可选的,位置确定模块330,具体用于:
根据所述目标参数值,确定所述不同区域分别与所述空气状态参数对应的等级信息;
根据所述不同对象的属性信息和所述等级信息,确定所述不同对象分别对应的分布位置。
在本实施例中,可选的,上述装置还包括:
要求确定模块,用于基于目标对象的属性信息,确定所述目标对象的分布要求;
调整模块,用于若所述待分布空间内目标区域对应的等级信息不符合所述目标对象的分布要求,则根据所述分布要求通过对应的调节设备对所述目标区域的空气状态参数进行调整。
在本实施例中,可选的,图像确定模块310,包括:
数据获取单元,用于获取待分布空间内的空气状态参数的预测数据;
图像确定单元,用于基于所述预测数据确定对应的可视化图像;
其中,图像确定单元,具体用于:基于所述预测数据,根据可视化工具确定对应的垂直剖面数据云图和水平剖面数据云图。
在本实施例中,可选的,数据获取单元,包括:
数值获取子单元,用于获取所述待分布空间内布置的与所述空气状态参数对应的传感器所采集的观测数据和所述待分布空间内影响所述空气状态参数的不同影响参数对应的参考数值;
数据确定子单元,用于基于所述观测数据和所述参考数值,根据计算流体力学方法和迭代集合卡尔曼滤波方法,确定所述待分布空间内的空气状态参数的预测数据。
在本实施例中,可选的,上述数据确定子单元,具体用于:
基于所述观测数据和所述参考数值,根据计算流体力学方法确定所述待分布空间内的所述空气状态参数的模拟数据;
基于所述参考数值与所述模拟数据之间的协方差矩、所述模拟数据之间的协方差矩阵以及测量误差方差矩阵,根据所述迭代集合卡尔曼滤波方法对所述计算流体力学方法中的边界条件参数进行修正,得到修正后的目标边界条件参数;
基于所述目标边界条件参数,确定所述待分布空间内的空气状态参数的预测数据。
在本实施例中,可选的,上述装置还包括:
目标位置确定模块,用于基于所述目标参数值,确定在所述待分布空间内待布置的与所述空气状态参数对应的传感器的目标位置;
布置模块,用于在所述目标位置上布置对应的传感器,并返回执行获取待分布空间内的空气状态参数的预测数据,直到所述预测数据与对应的真实数据的误差小于预设阈值。
通过本公开实施例提供的对象的分布位置确定装置,首先获取待分布空间内的空气状态参数的预测数据,并基于预测数据确定对应的可视化图像,然后对可视化图像进行数据分析,确定待分布空间内不同区域与空气状态参数相关的目标参数值,最后根据目标参数值和不同对象的属性信息,确定不同对象分别对应的分布位置,其中,属性信息包括:对空气状态参数的敏感性,通过上述过程能够为不同的对象确定合适的分布位置,有利于提高对象的保护效果。
本公开实施例所提供的对象的分布位置确定装置可执行本公开任意实施例所提供的对象的分布位置确定方法,具备执行方法相应的功能模块和有益效果。
图4是本公开实施例提供的一种电子设备的结构示意图。如图4所示,该电子设备包括处理器410和存储装置420;电子设备中处理器410的数量可以是一个或多个,图4中以一个处理器410为例;电子设备中的处理器410和存储装置420可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储装置420作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本公开实施例中的对象的分布位置确定方法对应的程序指令/模块。处理器410通过运行存储在存储装置420中的软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现本公开实施例所提供的对象的分布位置确定方法。
存储装置420可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储装置420可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置420可进一步包括相对于处理器410远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本实施例提供的一种电子设备可用于执行上述任意实施例提供的对象的分布位置确定方法,具备相应的功能和有益效果。
本公开实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于实现本公开实施例所提供的对象的分布位置确定方法。
当然,本公开实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本公开任意实施例所提供的对象的分布位置确定方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本公开可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本公开各个实施例所述的方法。
值得注意的是,上述对象的分布位置确定装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本公开的保护范围。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所述的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种对象的分布位置确定方法,其特征在于,所述方法包括:
获取待分布空间内的空气状态参数的预测数据,并基于所述预测数据确定对应的可视化图像;
对所述可视化图像进行数据分析,确定所述待分布空间内不同区域与所述空气状态参数相关的目标参数值;
根据所述目标参数值和不同对象的属性信息,确定不同对象分别对应的分布位置,其中,所述属性信息包括:对所述空气状态参数的敏感性。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标参数值和不同对象的属性信息,确定不同对象分别对应的分布位置,包括:
根据所述目标参数值,确定所述不同区域分别与所述空气状态参数对应的等级信息;
根据所述不同对象的属性信息和所述等级信息,确定所述不同对象分别对应的分布位置。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
基于目标对象的属性信息,确定所述目标对象的分布要求;
若所述待分布空间内目标区域对应的等级信息不符合所述目标对象的分布要求,则根据所述分布要求通过对应的调节设备对所述目标区域的空气状态参数进行调整。
4.根据权利要求1所述的方法,其特征在于,所述基于所述预测数据确定对应的可视化图像,包括:
基于所述预测数据,根据可视化工具确定对应的垂直剖面数据云图和水平剖面数据云图。
5.根据权利要求1所述的方法,其特征在于,所述获取待分布空间内的空气状态参数的预测数据,包括:
获取所述待分布空间内布置的与所述空气状态参数对应的传感器所采集的观测数据和所述待分布空间内影响所述空气状态参数的不同影响参数对应的参考数值;
基于所述观测数据和所述参考数值,根据计算流体力学方法和迭代集合卡尔曼滤波方法,确定所述待分布空间内的空气状态参数的预测数据。
6.根据权利要求5所述的方法,其特征在于,所述基于所述观测数据和所述参考数值,根据计算流体力学方法和迭代集合卡尔曼滤波方法,确定所述待分布空间内的空气状态参数的预测数据,包括:
基于所述观测数据和所述参考数值,根据计算流体力学方法确定所述待分布空间内的所述空气状态参数的模拟数据;
基于所述参考数值与所述模拟数据之间的协方差矩、所述模拟数据之间的协方差矩阵以及测量误差方差矩阵,根据所述迭代集合卡尔曼滤波方法对所述计算流体力学方法中的边界条件参数进行修正,得到修正后的目标边界条件参数;
基于所述目标边界条件参数,确定所述待分布空间内的空气状态参数的预测数据。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述方法还包括:
基于所述目标参数值,确定在所述待分布空间内待布置的与所述空气状态参数对应的传感器的目标位置;
在所述目标位置上布置对应的传感器,并返回执行获取待分布空间内的空气状态参数的预测数据,直到所述预测数据与对应的真实数据的误差小于预设阈值。
8.一种对象的分布位置确定装置,其特征在于,所述装置包括:
图像确定模块,用于获取待分布空间内的空气状态参数的预测数据,并基于所述预测数据确定对应的可视化图像;
参数值确定模块,用于对所述可视化图像进行数据分析,确定所述待分布空间内不同区域与所述空气状态参数相关的目标参数值;
位置确定模块,用于根据所述目标参数值和不同对象的属性信息,确定不同对象分别对应的分布位置,其中,所述属性信息包括:对所述空气状态参数的敏感性。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210626199.3A CN115239769A (zh) | 2022-06-02 | 2022-06-02 | 对象的分布位置确定方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210626199.3A CN115239769A (zh) | 2022-06-02 | 2022-06-02 | 对象的分布位置确定方法、装置、电子设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115239769A true CN115239769A (zh) | 2022-10-25 |
Family
ID=83669592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210626199.3A Pending CN115239769A (zh) | 2022-06-02 | 2022-06-02 | 对象的分布位置确定方法、装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115239769A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005158020A (ja) * | 2003-10-30 | 2005-06-16 | Hitachi Ltd | エネルギー管理方法,装置及びプログラム |
JP2013222423A (ja) * | 2012-04-19 | 2013-10-28 | Hitachi Power Solutions Co Ltd | 発電量予測方法及びそのシステム並びに風力発電設備の健康管理方法及びそのシステム |
CN112632720A (zh) * | 2020-12-16 | 2021-04-09 | 广东省科学院中乌焊接研究所 | 一种金属增材制造工艺系统多维数据融合及量化建模方法 |
CN113591410A (zh) * | 2021-08-06 | 2021-11-02 | 哈尔滨工业大学 | 针对博物馆展陈空间气流组织可视化的监测数据同化方法 |
CN113917475A (zh) * | 2020-07-08 | 2022-01-11 | 北京猎户星空科技有限公司 | 定位方法、装置、电子设备和计算机可读存储介质 |
-
2022
- 2022-06-02 CN CN202210626199.3A patent/CN115239769A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005158020A (ja) * | 2003-10-30 | 2005-06-16 | Hitachi Ltd | エネルギー管理方法,装置及びプログラム |
JP2013222423A (ja) * | 2012-04-19 | 2013-10-28 | Hitachi Power Solutions Co Ltd | 発電量予測方法及びそのシステム並びに風力発電設備の健康管理方法及びそのシステム |
CN113917475A (zh) * | 2020-07-08 | 2022-01-11 | 北京猎户星空科技有限公司 | 定位方法、装置、电子设备和计算机可读存储介质 |
CN112632720A (zh) * | 2020-12-16 | 2021-04-09 | 广东省科学院中乌焊接研究所 | 一种金属增材制造工艺系统多维数据融合及量化建模方法 |
CN113591410A (zh) * | 2021-08-06 | 2021-11-02 | 哈尔滨工业大学 | 针对博物馆展陈空间气流组织可视化的监测数据同化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | An IoT-based thermal model learning framework for smart buildings | |
CN102741833B (zh) | 用于数据中心的基于知识的模型 | |
US9644857B1 (en) | Virtual thermostat for a zonal temperature control | |
WO2013046227A2 (en) | Design optimization for cooling | |
CN109446696A (zh) | 基于cmaq模型的快速大气环境容量测算方法、存储介质和终端 | |
WO2022267296A1 (zh) | 位置确定方法、装置、空调系统和可读存储介质 | |
JP2012237484A (ja) | 空調制御装置および方法 | |
WO2012011401A1 (ja) | 出力制御装置 | |
CN116257559A (zh) | 基于空间网格的人与地址关联方法、装置及电子设备 | |
WO2022242231A1 (zh) | 用于检测室内温度的方法、装置和智能空调 | |
CN115239769A (zh) | 对象的分布位置确定方法、装置、电子设备和介质 | |
CN116704716B (zh) | 实验室恒温恒湿异常报警方法、装置及计算机设备 | |
Vogt et al. | Energy efficiency of technical building services in production environments–Application to dry rooms in battery production | |
WO2022242223A1 (zh) | 用于检测室内温度的方法、装置和智能空调 | |
JP6106019B2 (ja) | 業務配置の最適化システムおよび最適化方法 | |
CN112801435A (zh) | 变电站防火校验方法和装置、设备及存储介质 | |
CN114610820A (zh) | 三维地图显示的优化方法及装置 | |
WO2022227523A1 (zh) | 用于检测室内温度的方法、装置和智能空调 | |
WO2023004704A1 (zh) | 用于监控封闭空间环境的方法、装置和计算机存储介质 | |
CN109376958A (zh) | 一种建筑物的负荷预测方法及装置 | |
CN114742881A (zh) | 2d户型图实际比例计算方法、装置、系统及存储介质 | |
WO2020209380A1 (ja) | 機械学習装置 | |
CN111128357B (zh) | 医院后勤能耗目标对象的监测方法、装置、计算机设备 | |
Posselt et al. | 3D thermal climate monitoring in factory buildings | |
CN107166631B (zh) | 空调控制方法和装置 |
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 |