CN117610965B - 一种基于人工智能算法的纸质文物环境评估方法 - Google Patents

一种基于人工智能算法的纸质文物环境评估方法 Download PDF

Info

Publication number
CN117610965B
CN117610965B CN202311643679.1A CN202311643679A CN117610965B CN 117610965 B CN117610965 B CN 117610965B CN 202311643679 A CN202311643679 A CN 202311643679A CN 117610965 B CN117610965 B CN 117610965B
Authority
CN
China
Prior art keywords
temperature
humidity
index
abnormality index
monitoring
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
Application number
CN202311643679.1A
Other languages
English (en)
Other versions
CN117610965A (zh
Inventor
贾瑞新
陈钦益
董亚波
杨利
方一肖
金海武
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.)
Ruian City Museum
Original Assignee
Ruian City Museum
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 Ruian City Museum filed Critical Ruian City Museum
Priority to CN202311643679.1A priority Critical patent/CN117610965B/zh
Publication of CN117610965A publication Critical patent/CN117610965A/zh
Application granted granted Critical
Publication of CN117610965B publication Critical patent/CN117610965B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

本申请一种基于人工智能算法的纸质文物环境评估方法，涉及文物存储环境技术领域，包括：在展柜内预设多个监测点，采集温度监测数据和湿度监测数据；利用流式计算框架对采集的温度监测数据和湿度监测数据进行去噪滤波处理；根据异常指数公式计算各个监测点的温度时间异常指数TEIT、湿度时间异常指数TEIH、温度空间异常指数SEIT、湿度空间异常指数SEIH、温度波动异常指数TDFI、湿度波动异常指数HDFI、温度超限异常指数TELI和湿度超限异常指数HELI，并计算各个监测点的环境风险指数RISK；根据所有监测点的环境风险指数RISK，对展柜内的环境进行稳定评估。针对现有技术中纸质文物存储环境稳定性评估精度低的问题，本申请通过综合多个异常指数的计算，提高了评估精度。

Description

一种基于人工智能算法的纸质文物环境评估方法
技术领域
本申请涉及文物存储环境技术领域，尤其涉及一种基于人工智能算法的纸质文物环境评估方法。
背景技术
文物的保存环境对其长期保存质量起决定性作用。目前，文物存储常采用恒温恒湿的密闭展柜，以减少环境变化对文物的影响。但是对于易损、不稳定的纸质文物来说，仅依靠恒温恒湿展柜还不能满足其精细化的环境要求。因此，需要能对展柜内环境进行实时监测和评估，发现环境异常并提前采取调节措施，确保文物处于理想稳定状态中。
现有的纸质文物环境评估系统多依赖人工经验进行环境变化的判断，精度较低，无法对环境稳定性进行量化分析。
在相关技术中，比如中国专利文献CN112732708A中提供了一种基于环境数据采集和监测的博物馆文物保护系统，包括在线监测模块、在线评估模块、实时告警模块和环境调控模块，所述在线监测模块包括区域监控、设备监控、日环境监测报告和监测指令下发，且在线评估模块包括文物环境评估知识库和文物环境评估标准规范。但是该方案主要依据文物环境评估知识库和评估标准规范，因此该方案中的文物环境评估精度有待进一步提高。
发明内容
1、要解决的技术问题
针对现有技术中存在的纸质文物存储环境稳定性评估精度低的问题，本申请提供了一种基于人工智能算法的纸质文物环境评估方法，通过综合多个异常指数计算环境风险指数，提高了对纸质文物存储环境稳定性评估的精度。
2、技术方案
本说明书实施例提供一种基于人工智能算法的纸质文物环境评估方法，包括：在展柜内预设多个监测点，每个监测点设置温湿度传感器采集温度监测数据和湿度监测数据；利用流式计算框架对采集的温度监测数据和湿度监测数据进行去噪滤波处理；其中，在展柜内预设多个监测点，每个监测点设置温湿度传感器采集温度监测数据和湿度监测数据。设置多个监测点的目的是全面覆盖展柜空间，监控不同位置的环境参数，避免产生监测盲区。温湿度传感器的选择考虑精度、响应速度等因素，以保证采集的数据精细化和实时性。利用流式计算框架对采集的温度监测数据和湿度监测数据进行去噪滤波处理。去噪滤波的目的是提高数据质量，为后续算法计算提供可靠的数据源。流式计算框架如SparkStreaming可对海量监测数据进行低延迟、高吞吐的处理，有利于实现对大量监测数据的准实时预处理。
基于预处理后的数据，通过时间异常指数公式TEI计算温度时间异常指数TEIT和湿度时间异常指数TEIH；其中，时间异常指数(TEI)通过统计定时段内异常数据占总数据的比例来反映稳定性。它由温度时间异常指数(TEIT)和湿度时间异常指数(TEIH)两部分组成。TEIT和TEIH的计算公式为：TEI＝异常数据量/总数据量×100％异常数据量的判断标准：对温度，预设允许波动范围，超出该范围判定为异常；对湿度，预设理想相对湿度范围，低于下限或高于上限判定为异常。统计时间段可以设置为小时或天，根据文物对环境变化敏感程度确定。时间段越短，评估越灵敏。TEIT和TEIH值越高，表示该时间段内温湿度越不稳定。其大小可以直观反映环境稳定性好坏。将TEIT和TEIH与预设阈值比较，判断环境是否适宜文物存储。并可以对不同时间段的指数进行对比，检测稳定性的变化趋势。
基于预处理后的数据，通过空间异常指数公式SEI计算温度空间异常指数SEIT和湿度空间异常指数SEIH；其中，空间异常指数(SEI)通过比较不同监测点的数据与标准值的偏差来反映空间稳定性。它由温度空间异常指数(SEIT)和湿度空间异常指数(SEIH)组成。SEIT和SEIH的计算公式为：SEI＝(各点数据偏差绝对值之和/监测点数)/基准值×100％；数据偏差的计算，分别取各监测点的温湿度数据与标准温湿度值之差的绝对值。标准温湿度值的确定，参考文物存储标准准则，预设理想温湿度值。基准值设为标准值，是计算偏差时的参照基础。SEIT和SEIH值越高，表示各监测点的数据越不一致，环境越不均匀。其大小可以直观反映空间稳定性。将SEIT和SEIH与预设阈值比较，判断空间均匀性是否满足要求。并可以分析不同区域的指数，找出空间异常的具体位置。
根据温度监测数据的波动范围计算各个监测点的温度波动异常指数TDFI；根据湿度监测数据的波动范围计算各个监测点的湿度波动异常指数HDFI；其中，波动异常指数是根据温湿度的波动范围大小来评估数据稳定性的。它包含温度波动异常指数TDFI和湿度波动异常指数HDFI。在本申请中TDFI的计算方案，计算每个监测点在统计周期内的温度最大最小值，取其差值作为波动范围ΔT。预设允许温度波动阈值ΔT0。比较ΔT与ΔT0，如果ΔT大于ΔT0，则判定存在温度波动异常。TDFI取ΔT/ΔT0的比值。值越大表示波动越严重。HDFI的计算过程与TDFI类似，但基于相对湿度的波动范围计算。波动指数直观反映数据的动态波动性，与静态的超限异常指数相辅相成，能全面检测环境稳定性。将波动指数与阈值比较，可以判断波动是否超出文物允许的范围。
根据温度监测数据与预设温度范围的差值计算各监测点的温度超限异常指数TELI；根据湿度监测数据与预设湿度范围的差值计算各监测点的湿度超限异常指数HELI；其中，超限异常指数是根据温湿度数据是否逾出预设理想范围来评判稳定性的，包含温度超限指数TELI和湿度超限指数HELI。TELI的技术方案：预先设置温度允许波动的上下限范围。计算检测温度与上下限的差值ΔT。设定超限阈值ΔTlimit，如果ΔT大于ΔTlimit，则判定温度超限。统计超限数据数量，计算其占总数据的比例作为TELI。HELI的计算过程与TELI类似，但基于预设湿度范围的上下限计算。超限指数直观反映数据超出允许范围的程度，与波动指数相辅相成，能全面检测环境稳定性。将超限指数与阈值比较，可以判断温湿度是否逾出文物允许的存储范围。
根据各个监测点的温度时间异常指数TEIT、湿度时间异常指数TEIH、温度空间异常指数SEIT、湿度空间异常指数SEIH、温度波动异常指数TDFI、湿度波动异常指数HDFI、温度超限异常指数TELI和湿度超限异常指数HELI，计算各个监测点的环境风险指数RISK；根据所有监测点的环境风险指数RISK，对展柜内的环境进行稳定评估。
其中，环境风险指数(RISK)是在综合各类异常指数的基础上，最终评判单个监测点及整体环境的稳定性指标。RISK的计算方法为：
RISK＝w1×TEIT+w2×SEIT+w3×TDFI+w4×TELI+w1×TEIH+w2×SEIH+w3×HDFI+w4×
HELI；其中TEIT、SEIT等为各异常指数，w1至w4为对应的权重系数。权重系数根据不同类型异常对环境稳定性的影响程度设定，可强化对关键异常的分析。RISK指数综合考虑了不同类型、不同维度的异常信息，能充分反映监测点的风险水平。将各监测点的RISK指数排序并查找最大值，即可判断风险最高的位置。计算所有监测点RISK的平均值，作为对整体环境稳定性的评估结果。
进一步地，时间异常指数通过如下公式计算：TEI＝X/Y×100％；其中，TEI表示时间异常指数，X表示统计时间段内检测到的温度异常数据量或湿度异常数据量，Y表示统计时间段内的温度监测数据总量或湿度监测数据总量。
进一步地，空间异常指数公式如下：
SEI＝[(|MV1-TV|+|MV2-TV|+|MV3-TV|+，......，+|MVm-TV|)/m)]/RV×100％
其中，SEI表示空间异常指数；MV1，MV2，MV3，......，MVm分别表示第1、第2，......，第m个监测点采集的温度监测数据或湿度监测数据，TV表示预设标准温度或预设标准湿度，作为判断MV1至MVm是否正常的判断阈值，m表示监测点数量，RV表示预设的基准温度或基准湿度，作为计算MV1至MVm与TV差值时的基准值。其中，TV作为标准温湿度，可以根据文物需求预先设置，为判断异常提供参照，不同类型文物可以设置不同的TV，实现精细化管理；RV作为计算基准，可以消除绝对值的影响，仅反映相对异常，设置RV也便于参数统一及结果比较；采集多点数据MV，多点监测是评估空间均匀性的必要手段，增加监测点数m，可以提高评估的精细程度。SEI直观地反映空间异常程度，便于定量分析，动态跟踪SEI变化，可以提示环境改善措施。
进一步地，根据温度监测数据的波动范围计算各个监测点的温度波动异常指数TDFI，还包括：计算温度监测数据集{Ti}中各个监测点i在统计时间段内的最大温度Timax和最小温度Timin的差值，作为对应监测点i的温度波动范围ΔTi；预设温度波动范围阈值ΔT0，作为判断温度波动是否正常的判断标准；对每个监测点i，判断对应监测点i的温度波动范围ΔTi与预设温度波动范围阈值ΔT0的大小关系；当监测点i的温度波动范围ΔTi大于预设温度波动范围阈值ΔT0时，判定监测点i的温度波动异常，计算对应监测点i的温度波动范围ΔTi与预设温度波动范围阈值ΔT0的比值，作为对应监测点i的温度波动异常指数TDFI。
进一步地，根据温度监测数据与预设温度范围的差值计算各监测点的温度超限异常指数TELI，还包括：预设温度范围的下限Tjmin和上限Tjmax；计算温度监测数据集{Ti}中每个温度监测数据Ti与预设温度范围的差值ΔTj，ΔTj＝|Ti-Tjmin|或ΔTj＝|Ti-Tjmax|；比较ΔTj与预设的温度超限阈值ΔTlimit的大小关系；当ΔTj大于ΔTlimit时，判定温度监测数据Ti超出预设温度范围，存在温度超限异常；统计监测点i在统计时间段内温度超限异常的数据量N1，计算N1占统计时间段内总数据量N2的比例，作为监测点i的温度超限异常指数TELI。
进一步地，预设温度范围的下限Tjmin的取值范围为16℃至19℃；其中，不同文物根据其材质和保存状态，可以在这个范围内确定具体数值，预设温度下限，可以判断实际温度是否过低而危及文物。16℃以下，多数文物会因过冷而导致材质收缩、脆化。19℃可以覆盖纸质、木质等常见文物的适温下限要求。留有一定浮动区间，兼顾不同文物的差异性。
进一步地，预设温度范围的上限Tjmax的取值范围为20℃至24℃；其中，预设温度上限，可以判断实际温度是否过高而危及文物。24℃以上，多数有机材质的文物会加速老化。20℃可以覆盖纸质、丝绸等常见文物的适温上限要求。留有一定浮动区间，兼顾不同文物的差异性。木材在20℃以上吸潮变形的可能性增大。
进一步地，计算各个监测点的环境风险指数RISK，还包括：获取各个监测点的温度时间异常指数TEIT、湿度时间异常指数TEIH、温度空间异常指数SEIT、湿度空间异常指数SEIH、温度波动异常指数TDFI、湿度波动异常指数HDFI、温度超限异常指数TELI和湿度超限异常指数HELI；根据预先设置的各异常指数的权重系数，通过线性加权计算公式，得到各个监测点的环境风险指数RISK，环境风险指数RISK通过如下公式计算：
RISK＝w1×TEIT+w2×SEIT+w3×TDFI+w4×TELI+w1×TEIH+w2×SEIH+w3×
HDFI+w4×HELI；其中，时间异常指数权重为w1、空间异常指数权重为w2、波动异常指数权重为w3、超限异常指数权重为w4。
其中，获取各监测点的8类异常指数，包括TEIT、TEIH等时间异常指数，SEIT、SEIH等空间异常指数，以及TDFI、HDFI、TELI、HELI等其他异常指数。根据各类异常指数对环境稳定性的影响程度，预设对应的权重系数w1至w4。权重系数可以按时间异常>空间异常>波动异常>超限异常的顺序设置大小，比如：w1>w2>w3>w4；利用线性加权计算公式，基于各异常指数及其权重，评估单个监测点的环境风险指数RISK。RISK综合考虑各种类型的环境异常信息，能全面反映监测点的稳定性。权重系数的设定可以根据实际需要调整，增加对关键异常指数的分析权重。RISK值越大，表示环境稳定性越差，风险越大。
进一步地，流式计算框架采用Apache Spark Streaming。其中，Apache SparkStreaming是Spark的扩展组件，用于流式数据的实时计算，包含，DStream，离散化流(Discretized Stream)，数据流的基本抽象单元。Receiver，用于接收各种源的流数据。Transformer，用于在DStream上执行各种计算和操作。在本申请中，可以使用SparkStreaming接收各传感器采集的实时温湿度数据流。将数据流转换为DStream进行并行处理。可以通过Transformer对DStream进行各种环境异常指数的计算。结合窗口操作，可以灵活计算各种时间范围内的异常指数。将计算结果输出到数据库或报表系统，实现实时环境质量评估。利用Spark Streaming的高吞吐、低延迟、可扩展性进行流式计算。
进一步地，预设湿度范围为40％RH至70％RH，其中，RH表示相对湿度。其中，该湿度范围可以满足大多数文物的存储要求，如纸质文献、丝绸、木器、油画等对湿度都有一定适宜区间。相对湿度40％RH至70％RH预留了一定浮动余地，可以容忍短时间的湿度波动，不会轻易超出限值报警。超低湿度会使有机材质文物脱水缩小、开裂；超高湿度会滋生霉菌、造成材质强度下降。该范围可以有效防止文物由于湿度过低或过高而发生不可逆的物理化学异化。约55％RH至65％RH可以有效抑制霉菌及部分昆虫等的代谢活性，减缓其对文物的侵害反应速率。
3、有益技术效果
与现有技术相比，本方案的技术原理及有益效果在于：
(1)设置多个监测点并采集温湿度数据，实现对展柜内部不同位置环境参数的全面采集，覆盖展柜内所有文物，避免监测盲区；应用流式计算框架Spark Streaming进行数据预处理，利用其处理海量流数据的技术优势实现对大量监测数据的低延迟、高吞吐的准实时处理；预处理包括去噪滤波等步骤，提高后续分析的可靠性；该流式数据采集和预处理流程，保证了异常分析算法的数据源粒度细、质量好；
(2)设计时间异常指数、空间异常指数等多个指标，实现从时间维度、空间维度等多角度监测数据异常，形成对环境稳定性变化的立体评价；各指数基于统计学原理和文物存储标准设计计算公式；多指数协同工作，可以全面发现时间段异常点、空间分布异常点、波动超限等各类异常情况，有效提升环境评估的准确率；
(3)计算环境风险指数时，以多个异常指数为原始指标，按照设定权重进行线性加权运算；这种计算方式，可以同时反映各类型异常信息对稳定性的影响，评估结果更准确全面，设置不同权重则可根据存储需求强化对特定异常的分析，提高文物存储环境的稳定性评估的精度。
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，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1为本申请一实施例提供的一种基于人工智能算法的纸质文物环境评估方法的流程示意图；
图2为本申请一实施例中提供的纸质文物展柜环境智能评估算法流程示意图；
图3为本申请一实施例中提供的温湿度调控设备稳定性算法流程示意图。
具体实施方式
应当理解，此处所描述的具体实施方式仅仅用以解释本申请，并不用于限定本申请。
图1为本申请一实施例提供的一种基于人工智能算法的纸质文物环境评估方法的流程示意图，如图1所示，一种基于人工智能算法的纸质文物环境评估方法，包括：S1，在展柜内预设多个监测点，每个监测点设置温湿度传感器采集温度监测数据和湿度监测数据；S2，利用流式计算框架对采集的温度监测数据和湿度监测数据进行去噪滤波处理。
具体地，监测点的选择考虑展柜内部的空间布局和存储文物的分布，优先在文物集中放置的区域预设监测点，以完整覆盖所有文物。传感器的选择考虑精度、灵敏度、稳定性及抗干扰性，确保能采集到精细化的温湿度数据。采用数字输出的传感器，便于后续建立自动化监测系统。
更具体地，将展柜空间等分成m行n列的网格，形成m×n个网格单元；在第1行网格单元内沿行方向均匀布置n个温湿度传感器，作为第一行的监测点；在第2行网格单元内沿行方向均匀布置n个温湿度传感器，这些传感器与第1行的监测点在列方向上错开布置；按上述第一行和第二行的错开布置方式依次在第3至第m行网格单元内设置温湿度传感器，形成高低错开布置的监测点。
具体地，在本申请中，可以选择如下流计算框架：Apache Spark Streaming：能够进行可伸缩性和高吞吐量的流数据处理，支持机器学习算法，可以实现复杂的预处理。Apache Flink，支持准确一次(exactly-once)语义，可以进行事件时间处理和窗口操作。Apache Storm，处理低延迟数据流，可进行实时流分析。根据不同的噪声特征，可以选择不同的滤波方法：对于高频随机噪声，可以采用中值滤波、Kalman滤波等算法。对于低频漂移噪声，可以使用高通滤波器去除。对于传感器故障造成的脉冲噪声，可以检测并替换有噪声的异常值。对于周期性噪声，可以设计带阻滤波器去除特定频率的噪声。
S3，基于预处理后的数据，通过时间异常指数公式TEI计算温度时间异常指数TEIT和湿度时间异常指数TEIH，温度时间异常指数TEIT：反映温度随时间变化的稳定性，通过时间异常指数公式TEI计算得出，湿度时间异常指数TEIH：反映湿度随时间变化的稳定性，通过时间异常指数公式TEI计算得出；基于预处理后的数据，通过空间异常指数公式SEI计算温度空间异常指数SEIT和湿度空间异常指数SEIH，温度空间异常指数SEIT：反映空间不同位置温度的均匀性，通过空间异常指数公式SEI计算得出，湿度空间异常指数SEIH：反映空间不同位置湿度的均匀性，通过空间异常指数公式SEI计算得出；根据温度监测数据的波动范围计算各个监测点的温度波动异常指数TDFI，反映温度的波动范围和频繁程度；根据湿度监测数据的波动范围计算各个监测点的湿度波动异常指数HDFI，反映湿度的波动范围和频繁程度；根据温度监测数据与预设温度范围的差值计算各监测点的温度超限异常指数TELI，反映温度与标准范围的差异和超限的程度；根据湿度监测数据与预设湿度范围的差值计算各监测点的湿度超限异常指数HELI，反映湿度与标准范围的差异和超限的程度。
S4，根据各个监测点的温度时间异常指数TEIT、湿度时间异常指数TEIH、温度空间异常指数SEIT、湿度空间异常指数SEIH、温度波动异常指数TDFI、湿度波动异常指数HDFI、温度超限异常指数TELI和湿度超限异常指数HELI，计算各个监测点的环境风险指数RISK。TEIT和TEIH分别从温湿度两个维度监测环境参数随时间的变化规律，可以判断环境是否稳定，SEIT和SEIH可以检测空间不同位置的温湿度差异，评价空间均匀性，TDFI和HDFI可以判断温湿度的波动范围和变化频率，评价环境的平稳程度，TELI和HELI可以判断温湿度是否偏离标准范围，评估环境适宜性，可以根据各指数的动态变化情况，及时定位问题并有针对性地调整文物保护策略，各指数进行权重融合，可以弥补单一指数的局限，更全面准确地评估环境风险，单一指数仅能反映某一方面的异常，多个指数可以从稳定性、均匀性、波动性、越限性等不同方面综合反映环境质量。
S5，根据所有监测点的环境风险指数RISK，对展柜内的环境进行稳定评估。其中，环境风险指数(RISK)是在综合各类异常指数的基础上，最终评判单个监测点及整体环境的稳定性指标。RISK的计算方法为：
RISK＝w1×TEIT+w2×SEIT+w3×TDFI+w4×TELI+w1×TEIH+w2×SEIH+w3×
HDFI+w4×HELI；其中TEIT、SEIT等为各异常指数，w1至w4为对应的权重系数。权重系数根据不同类型异常对环境稳定性的影响程度设定，可强化对关键异常的分析。RISK指数综合考虑了不同类型、不同维度的异常信息，能充分反映监测点的风险水平。将各监测点的RISK指数排序并查找最大值，即可判断风险最高的位置。计算所有监测点RISK的平均值，作为对整体环境稳定性的评估结果。综合考虑温湿度的时间稳定性、空间均匀性、波动性和越限性，能全面反映环境质量，公式给出定量的风险指数值RISK，便于统计分析，通过持续检测，可以动态监控RISK变化，及时发现问题，定量的RISK直观反映环境质量，为后续的环境优化提供参考依据，多因素综合可以弥补单一指数的不足，提高对环境稳定性的评估精度。
具体地，在本申请中，计算所有监测点的RISK指数平均值R_avg，反映整体环境风险程度。设置不同风险等级的RISK阈值，例如[0-20]表示低风险，[20-50]表示中等风险，[50-100]表示高风险。将R_avg与风险等级阈值比较，判定整体环境风险等级。风险等级越高，表明环境越不稳定。找到RISK最大值对应的监测点，判断环境风险的重点区域。分析各监测点的RISK值的组成，判断异常的主要类型，例如以时间异常指数为主要组成部分则表明时间波动较大。对比不同时间段的R_avg，监测环境稳定性的变化趋势。当R_avg或某一监测点RISK持续超过高风险的阈值时，需要发出环境警报，并检查传感器和空调设施。综合风险等级和变化趋势，评估环境是否适宜继续存储文物。
图2为本申请一实施例中提供的纸质文物展柜环境智能评估算法流程示意图，如图2所示，应用本申请评估纸质文物展柜环境的具体实施例流程包括如下步骤：在展柜内设置温湿度传感器，对温湿度数据进行持续监测和采集，并存储监测数据集。设置藏品告警导则(如温度不得超过22℃)、位置告警导则(如角落传感器优先)、监测评价导则(如计算波动异常指数)。对采集的数据进行预处理：按藏品告警导则筛选出超限数据，按位置告警导则筛选关键位置的数据，计算波动范围，输出波动数据，将预处理后的数据输入环境评估模型。根据监测评价导则，通过公式计算得到波动异常指数和超限异常指数。将指数输入环境评估模型，得出展柜环境的整体评估结果。生成环境评估报告，提出展柜环境改进措施。根据评估报告，调整展柜的温湿度控制参数或传感器布置，完成对环境的改进。闭环迭代上述流程，实现展柜环境的持续优化。
其中，藏品告警导则，根据文物材质和状态给出的环境阈值标准，如温度上限、湿度下限等，筛选出超过阈值标准的监测数据，作为超限异常数据进行处理。位置告警导则，根据传感器布置位置的重要性确定的数据处理优先级，优先处理关键位置(如文物附近)传感器的数据，以更好反映文物所处环境。监测评价导则，确定环境评估的计算方法，如指定计算波动异常指数，按导则计算指定的异常指数，作为模型输入，评估环境质量。
进一步地，时间异常指数通过如下公式计算：TEI＝X/Y×100％，具体地，TEI通过异常数据量X与总数据量Y的比值反映数据的时间稳定性。异常数据量X指在统计时间段内，温度或湿度超出预设正常范围的监测数据数量。总数据量Y为统计时间段内的温湿度监测数据总数。时间段可选择文物对环境变化敏感的不同时间颗粒度，如小时、天等。TEI值范围为0-100％，值越大表示时间稳定性越差。可预设多个TEI阈值，判断稳定性好坏，如TEI小于20％为稳定，20％<TEI<50％为较稳定等。TEI直接反映异常数据所占比例，计算简单直观，可用于环境质量的定量监测。跟踪不同时段的TEI变化，可以监测环境稳定性的时域演变。
更具体地，在本申请的具体实施例中，预设温度和湿度的正常范围，如温度18℃至22℃，湿度45％至55％。在统计时间段(如1小时)内，遍历监测点所有温湿度数据。判断每个温度数据是否在18℃至22℃之内，湿度数据是否在45％至55％之内。统计超出正常范围的温度数据数量作为异常量X1，湿度数据数量作为异常量X2。统计时间段内温度和湿度的数据总量分别为Y1和Y2。计算温度时间异常指数：TEIT＝X1/Y1×100％；计算湿度时间异常指数：TEIH＝X2/Y2×100％；比较TEIT和TEIH与预设阈值，可以判断温湿度的时间稳定性。遍历计算不同时间段的TEIT和TEIH，可以检测环境稳定性时间变化趋势。
进一步地，空间异常指数公式如下：
SEI＝[(|MV1-TV|+|MV2-TV|+|MV3-TV|+，......，+|MVm-TV|)/m)]/RV×100％，
其中，SEI表示空间异常指数；MV1，MV2，MV3，......，MVm分别表示第1、第2，......，第m个监测点采集的温度监测数据或湿度监测数据，TV表示预设标准温度或预设标准湿度，作为判断MV1至MVm是否正常的判断阈值，m表示监测点数量，RV表示预设的基准温度或基准湿度，作为计算MV1至MVm与TV差值时的基准值。其中，多点采集MV，全面监测空间分布，反映空间均匀性；设置TV，提供正常标准判断依据，方便检测异常；设置RV，消除绝对值影响，计算相对异常；求和平均，合理反映各点监测值的共性；除以基准值比例化，获得无量纲的标准化指数；量化计算SEI，获得直观的空间异常量化指标；动态监测，持续监测SEI，及时发现空间异常。
具体地，SEI通过各监测点数据与标准值偏差之和反映空间稳定性。MV1至MVm分别表示各监测点采集的温湿度数据。TV为预设的温湿度标准值，判断MV1至MVm是否正常的阈值。|MVi-TV|计算各点数据与标准值之差的绝对值。求所有差值绝对值之和，再除以监测点数量m，得到平均偏差。基准值RV为计算差值时的参照基础。SEI值越大，表示空间各点数据与标准值偏差越大，空间稳定性越差。可设定多个SEI阈值，判断空间均匀程度，如SEI小于20％判断为均匀。SEI直接反映空间稳定性好坏，计算简洁有效。
更具体地，在本申请中，针对纸质文物存储环境，预设标准温度TV的取值温度范围为16℃至24℃；基准温度RV的设置：设定为与TV值相同，即标准温度值，作为计算温度差值的基准。纸质文物预设湿度范围为40％至70％，优选为50％RH。基准湿度RV的设置：设定为与TV值相同，即标准湿度值，作为计算湿度差值的基准。
更具体地，在本申请的具体实施例中，预设标准温度TV＝21℃，基准温度RV＝21℃；预设标准湿度TV＝50％RH，基准湿度RV＝50％RH。统计时段内获取m个监测点的温度数据{MV1，MV2，......，MVm}和湿度数据{MH1，MH2，......，MHm}。对于温度：计算每点温度与TV的差值：|MV1-TV|，|MV2-TV|，......，|MVm-TV|，求取所有差值之和再除以监测点数m，得到平均偏差。计算平均偏差与RV的比值，再乘以100％得到温度空间异常指数SEIT。对于湿度：同样计算湿度的平均偏差并除以RV。得到湿度空间异常指数SEIH。SEIT和SEIH值越大，表示空间分布越不均匀。多时段计算SEIT和SEIH可以分析空间均匀性时间变化。
进一步地，根据温度监测数据的波动范围计算各个监测点的温度波动异常指数TDFI，还包括：计算温度监测数据集{Ti}中各个监测点i在统计时间段内的最大温度Timax和最小温度Timin的差值，作为对应监测点i的温度波动范围ΔTi；预设温度波动范围阈值ΔT0，作为判断温度波动是否正常的判断标准；对每个监测点i，判断对应监测点i的温度波动范围ΔTi与预设温度波动范围阈值ΔT0的大小关系；当监测点i的温度波动范围ΔTi大于预设温度波动范围阈值ΔT0时，判定监测点i的温度波动异常，计算对应监测点i的温度波动范围ΔTi与预设温度波动范围阈值ΔT0的比值，作为对应监测点i的温度波动异常指数TDFI。
具体地，对温度监测数据集{Ti}，分析每个监测点i在统计时间段内的温度最大值Timax和最小值Timin。计算每个监测点i的温度波动范围ΔTi＝Timax-Timin。预设允许的温度波动范围阈值ΔT0，作为判定波动是否正常的标准。对每个监测点i，判断其温度波动范围ΔTi与阈值ΔT0的关系：如果ΔTi<＝ΔT0，则判定监测点i在统计时间段内温度波动正常。如果ΔTi>ΔT0，则判定监测点i在统计时间段内温度波动异常。当出现温度波动异常时，计算该监测点i的温度波动异常指数：TDFI＝ΔTi/ΔT0；TDFI表示温度波动范围与正常范围的倍数，值越大表示波动越严重。根据所有监测点的TDFI，可以判断温度波动异常的空间分布情况。
具体地，对应监测点i的湿度波动异常指数HDFI的技术方案同温度波动异常指数，对湿度监测数据集{Hi}，分析每个监测点i在统计时间段内的湿度最大值Himax和最小值Himin。计算每个监测点i的湿度波动范围ΔHi＝Himax-Himin。预设允许的湿度波动范围阈值ΔH0，作为判定波动是否正常的标准。对每个监测点i，判断其湿度波动范围ΔHi与阈值ΔH0的关系：如果ΔHi小于等于ΔH0，则判定监测点i湿度波动正常。如果ΔHi大于ΔH0，则判定监测点i湿度波动异常。当出现湿度波动异常时，计算该监测点i的湿度波动异常指数：HDFI＝ΔHi/ΔH0，HDFI表示湿度波动范围与正常范围的倍数，值越大表示波动越严重。根据所有监测点的HDFI，可以判断湿度波动异常的空间分布情况。
更具体地，在本申请的具体实施例中，设置温度波动阈值ΔT0＝2℃，湿度波动阈值ΔH0＝5％RH。在统计时间段内，遍历各监测点i的温度数据集{Ti}和湿度数据集{Hi}。计算每个监测点i的温度最大值Timax、最小值Timin，得到温度波动范围ΔTi＝Timax-Timin。计算每个监测点i的湿度最大值Himax、最小值Himin，得到湿度波动范围ΔHi＝Himax-Himin。判断各监测点温度波动范围ΔTi>ΔT0或湿度波动范围ΔHi>ΔH0是否成立。如果成立，则计算对应监测点的温度波动异常指数：TDFI＝ΔTi/ΔT0，计算对应监测点的湿度波动异常指数：HDFI＝ΔHi/ΔH0，TDFI和HDFI值越大，表示波动越剧烈。统计各监测点的TDFI和HDFI，分析温湿度波动异常的空间分布。
进一步地，根据温度监测数据与预设温度范围的差值计算各监测点的温度超限异常指数TELI，还包括：预设温度范围的下限Tjmin和上限Tjmax；计算温度监测数据集{Ti}中每个温度监测数据Ti与预设温度范围的差值ΔTj，ΔTj＝|Ti-Tjmin|或ΔTj＝|Ti-Tjmax|；比较ΔTj与预设的温度超限阈值ΔTlimit的大小关系；当ΔTj大于ΔTlimit时，判定温度监测数据Ti超出预设温度范围，存在温度超限异常；统计监测点i在统计时间段内温度超限异常的数据量N1，计算N1占统计时间段内总数据量N2的比例，作为监测点i的温度超限异常指数TELI。
具体地，预先设置温度范围的上下限Tjmin和Tjmax，定义允许温度的波动范围。对温度监测数据集{Ti}，计算每个数据Ti与上下限的差值ΔTj＝|Ti-Tjmin|或|Ti-Tjmax|。设置温度超限阈值ΔTlimit，如果ΔTj大于ΔTlimit，则判定Ti出现了超出预设温度范围的异常。统计每个监测点i在统计时间段内出现温度超限异常数据的数量N1。计算监测点i的温度超限异常指数：TELI＝N1/N2，其中N2为统计时间段内监测点i的总数据量。TELI值越大，表示超限异常数据所占比例越高，温度越不稳定。根据监测点TELI值的大小分布情况，可以判断温度超限异常的空间分布特征。
更具体地，温度超限异常指数TELI计算中温度超限阈值ΔTlimit的设置，在本申请中，参考文物存储标准和文物类型，确定其允许的温度波动范围。例如±2℃。将允许波动范围的一半设为ΔTlimit，如1℃。也可以根据文物的敏感性设定更小的ΔTlimit，增加检测灵敏度。温度范围差值ΔTj的计算：将监测温度Ti与预设温度上下限的差值赋给ΔTj。例如温度范围为20℃至25℃，若检测温度Ti＝18℃，则ΔTj＝|18-20|＝2℃。比较ΔTj和ΔTlimit的大小：如果ΔTj大于ΔTlimit，则判断为温度超限。如上例ΔTj(2℃)大于ΔTlimit(1℃)，则判定温度超下限。
更具体地，遍历统计时间段内监测点i的所有温度数据。判断每个温度数据是否超出了预设温度范围的上下限。如果超限，则该数据计入N1。统计时间段结束后，N1即为超限的数据总量。统计时间段内监测点i的温度数据总量，不考虑是否超限。可以采用温度传感器的采集频次(如每5分钟一次)乘以时间段长度来计算理论总量。也可以直接统计存储的温度数据量得到实际总量N2。TELI＝N1/N2，N2一般取统计时间段的理论总数据量。统计时间段的设置：可以设置为小时、天等不同时间段，根据监测需求确定。
具体地，湿度超限异常指数HELI，技术方案同温度超限异常指数TELI，预先设置湿度范围的上下限Hjmin和Hjmax，定义允许湿度的波动范围。对湿度监测数据集{Hi}，计算每个数据Hi与上下限的差值ΔHj＝|Hi-Hjmin|或|Hi-Hjmax|。设置湿度超限阈值ΔHlimit，如果ΔHj大于ΔHlimit，则判定Hi出现了超出预设湿度范围的异常。统计每个监测点i在统计时间段内出现湿度超限异常数据的数量N1。计算监测点i的湿度超限异常指数：HELI＝N1/N2，其中N2为统计时间段内监测点i的总数据量。HELI值越大，表示超限异常数据所占比例越高，湿度越不稳定。根据监测点HELI值的大小分布情况，可以判断湿度超限异常的空间分布特征。
更具体地，例如将预设湿度范围设置为40％RH至70％RH，其中，RH表示相对湿度，允许波动范围为±15％RH，将允许波动范围的一半设为ΔHlimit，如上例中可取±15％的一半，即7.5％RH，也可以根据文物的湿敏性设定更小的ΔHlimit，增加检测灵敏度。例如特别湿敏的文物可设ΔHlimit为1％RH。在计算检测湿度Hi与湿度上下限的差值ΔHj时：ΔHj＝|Hi-Hjmin|，若Hi小于下限，则表明湿度过低。ΔHj＝|Hi-Hjmax|，若Hi大于上限，则表明湿度过高。比较ΔHj和ΔHlimit的大小：如果ΔHj>ΔHlimit，则判断湿度已超出允许波动范围，出现超限异常。也可以设置不同的上限和下限的ΔHlimit，进行差别化检测。
进一步地，预设温度范围的下限Tjmin的取值范围为16℃至19℃；其中，不同文物根据其材质和保存状态，可以在这个范围内确定具体数值，预设温度下限，可以判断实际温度是否过低而危及文物。16℃以下，多数文物会因过冷而导致材质收缩、脆化。19℃可以覆盖纸质、木质等常见文物的适温下限要求。留有一定浮动区间，兼顾不同文物的差异性。
进一步地，预设温度范围的上限Tjmax的取值范围为20℃至24℃；其中，预设温度上限，可以判断实际温度是否过高而危及文物。24℃以上，多数有机材质的文物会加速老化。20℃可以覆盖纸质、丝绸等常见文物的适温上限要求。留有一定浮动区间，兼顾不同文物的差异性。木材在20℃以上吸潮变形的可能性增大。
进一步地，计算各个监测点的环境风险指数RISK，还包括：获取各个监测点的温度时间异常指数TEIT、湿度时间异常指数TEIH、温度空间异常指数SEIT、湿度空间异常指数SEIH、温度波动异常指数TDFI、湿度波动异常指数HDFI、温度超限异常指数TELI和湿度超限异常指数HELI；根据预先设置的各异常指数的权重系数，通过线性加权计算公式，得到各个监测点的环境风险指数RISK，环境风险指数RISK通过如下公式计算：
RISK＝w1×TEIT+w2×SEIT+w3×TDFI+w4×TELI+w1×TEIH+w2×SEIH+w3×
HDFI+w4×HELI；其中，时间异常指数权重为w1、空间异常指数权重为w2、波动异常指数权重为w3、超限异常指数权重为w4。具体地，对温湿度变化非常敏感的文物，应加大时间异常指数权重w1和空间异常指数权重w2。对温湿度波动非常敏感的文物，应加大波动异常指数权重w3。对温湿度超限非常敏感的文物，应加大超限异常指数权重w4。在密闭环境中，应增加时间异常权重w1，反映稳定性。在空间较大的仓库，应增加空间异常权重w2，强调均匀性。分析每类异常指数与文物损坏的相关性，相关性越强的指数权重越大。设置不同情景模式，根据实际需要选择不同的权重组合。权重初始化后，可以根据实测效果进行优化调整。
进一步地，流式计算框架采用Apache Spark Streaming。其中，Apache SparkStreaming是Spark的扩展组件，用于流式数据的实时计算，包含，DStream，离散化流(Discretized Stream)，数据流的基本抽象单元。Receiver，用于接收各种源的流数据。Transformer，用于在DStream上执行各种计算和操作。在本申请中，可以使用SparkStreaming接收各传感器采集的实时温湿度数据流。将数据流转换为DStream进行并行处理。可以通过Transformer对DStream进行各种环境异常指数的计算。结合窗口操作，可以灵活计算各种时间范围内的异常指数。将计算结果输出到数据库或报表系统，实现实时环境质量评估。利用Spark Streaming的高吞吐、低延迟、可扩展性进行流式计算。
进一步地，预设湿度范围为40％RH至70％RH，其中，RH表示相对湿度。其中，该湿度范围可以满足大多数文物的存储要求，如纸质文献、丝绸、木器、油画等对湿度都有一定适宜区间。相对湿度40％RH至70％RH预留了一定浮动余地，可以容忍短时间的湿度波动，不会轻易超出限值报警。超低湿度会使有机材质文物脱水缩小、开裂；超高湿度会滋生霉菌、造成材质强度下降。该范围可以有效防止文物由于湿度过低或过高而发生不可逆的物理化学异化。约55％RH至65％RH可以有效抑制霉菌及部分昆虫等的代谢活性，减缓其对文物的侵害反应速率。
图3为本申请一实施例中提供的温湿度调控设备稳定性算法流程示意图，如图3所示，应用本申请的温湿度可调控展柜对纸质文物展柜环境进行稳定性评估的流程，包括如下步骤：在文物仓库布置温湿度可调控的智能展柜，并对展柜进行密封性试验，具体地，智能展柜选用能够感应温湿度并进行相应控制的展示机柜，内置温控系统、加湿系统、除湿系统、通风系统等。在展柜表面多个位置布置温湿度传感器，监测展柜内外参数。对展柜进行密封性试验：将展柜门窗完全关闭；在展柜内放置温湿度数据记录器；在展柜外与内温湿度保持一定梯度；记录内外温湿度变化情况判断展柜密封性能。重复试验确定展柜门窗、接口等可能漏气位置。根据试验结果，使用防潮密封材料进行补强，确保展柜密封等级符合文物存储要求。记录最终密封处理方案，作为后续环境控制依据。对展柜进行在线监测，实时采集运行状态、控制参数、内外温湿度数据。
定期对展柜进行外观巡检，检查是否有破损、裂纹等异常。具体地，制定巡检计划，明确巡检周期(例如每周一次)。巡检人员对展柜外观进行全面检查，重点检查门窗、接口、边角等易损位置。检查外壳是否有破损、开裂、脱胶等问题；玻璃是否有破碎、开裂现象。记录外观问题位置、程度和可能原因，分类定级，评定展柜外观异常等级。对安全隐患严重的展柜，停用并报修或更换。对问题不严重的展柜，在巡检计划中增大检查频次，密切监测，并及时维护。将巡检结果反馈给环境控制系统，作为环境评定的参考数据之一。定期优化和更新巡检计划，保证展柜外观问题能被及时发现和处理。
对采集的数据进行预处理：根据密封性试验结果，评定展柜的密封性等级；根据外观巡检结果，评定外观异常等级；选出温湿度超限和波动数据；输入预处理后的数据，利用环境评估模型计算各种异常指数。具体地，密封性等级评定：参考密封性试验结果，制定密封性等级标准；根据标准，确定每个展柜的密封性等级。外观异常等级评定：参考巡检结果，制定外观异常分级标准；根据标准，确定每个展柜的外观异常等级。温湿度数据处理：设置温湿度正常范围；筛选出超过正常范围的监测数据；统计数据波动范围和频率。异常指数计算：输入预处理后的数据到环境评估模型；模型自动计算时间稳定性指数、空间均匀性指数、波动指数、越限指数。将计算结果反馈到环境控制系统，调整控制参数。定期优化预处理流程和评估模型，提高数据处理精度。
根据计算结果，对展柜的温湿度参数进行调节，优化控制效果。在线采集新的数据，不断修正模型和控制参数，实现展柜环境的闭环控制和持续优化。最终实现展柜温湿度的稳定可控，确保文物存储环境的安全。

Claims (5)

1.一种基于人工智能算法的纸质文物环境评估方法，包括：
在展柜内预设多个监测点，每个监测点设置温湿度传感器采集温度监测数据和湿度监测数据；
利用流式计算框架对采集的温度监测数据和湿度监测数据进行去噪滤波处理；
基于预处理后的数据，通过时间异常指数公式TEI计算温度时间异常指数TEIT和湿度时间异常指数TEIH；
基于预处理后的数据，通过空间异常指数公式SEI计算温度空间异常指数SEIT和湿度空间异常指数SEIH；
根据温度监测数据的波动范围计算各个监测点的温度波动异常指数TDFI；根据湿度监测数据的波动范围计算各个监测点的湿度波动异常指数HDFI；
根据温度监测数据与预设温度范围的差值计算各监测点的温度超限异常指数TELI；根据湿度监测数据与预设湿度范围的差值计算各监测点的湿度超限异常指数HELI；
根据各个监测点的温度时间异常指数TEIT、湿度时间异常指数TEIH、温度空间异常指数SEIT、湿度空间异常指数SEIH、温度波动异常指数TDFI、湿度波动异常指数HDFI、温度超限异常指数TELI和湿度超限异常指数HELI，计算各个监测点的环境风险指数RISK；
根据所有监测点的环境风险指数RISK，对展柜内的环境进行稳定评估；
其中，时间异常指数通过如下公式计算：
TEI＝X/Y×100％
其中，TEI表示时间异常指数，X表示统计时间段内检测到的温度异常数据量或湿度异常数据量，Y表示统计时间段内的温度监测数据总量或湿度监测数据总量；
空间异常指数公式如下：
SEI＝[(|MV1-TV|+|MV2-TV|+|MV3-TV|+……+|MVm-TV|)/m)]/RV×100％
其中，SEI表示空间异常指数；MV1，MV2，MV3，......，MVm分别表示第1、第2，......，第m个监测点采集的温度监测数据或湿度监测数据，TV表示预设标准温度或预设标准湿度，作为判断MV1至MVm是否正常的判断阈值，m表示监测点数量，RV表示预设的基准温度或基准湿度，作为计算MV1至MVm与TV差值时的基准值；
根据温度监测数据的波动范围计算各个监测点的温度波动异常指数TDFI，还包括：
计算温度监测数据集{Ti}中各个监测点i在统计时间段内的最大温度Timax和最小温度Timin的差值，作为对应监测点i的温度波动范围ΔTi；
预设温度波动范围阈值ΔT0，作为判断温度波动是否正常的判断标准；
对每个监测点i，判断对应监测点i的温度波动范围ΔTi与预设温度波动范围阈值ΔT0的大小关系；
当监测点i的温度波动范围ΔTi大于预设温度波动范围阈值ΔT0时，判定监测点i的温度波动异常，计算对应监测点i的温度波动范围ΔTi与预设温度波动范围阈值ΔT0的比值，作为对应监测点i的温度波动异常指数TDFI；
根据温度监测数据与预设温度范围的差值计算各监测点的温度超限异常指数TELI，还包括：
预设温度范围的下限Tjmin和上限Tjmax；
计算温度监测数据集{Ti}中每个温度监测数据Ti与预设温度范围的差值ΔTj，ΔTj＝|Ti-Tjmin|或ΔTj＝|Ti-Tjmax|；
比较ΔTj与预设的温度超限阈值ΔTlimit的大小关系；
当ΔTj大于ΔTlimit时，判定温度监测数据Ti超出预设温度范围，存在温度超限异常；
统计监测点i在统计时间段内温度超限异常的数据量N1，计算N1占统计时间段内总数据量N2的比例，作为监测点i的温度超限异常指数TELI；
计算各个监测点的环境风险指数RISK，还包括：
获取各个监测点的温度时间异常指数TEIT、湿度时间异常指数TEIH、温度空间异常指数SEIT、湿度空间异常指数SEIH、温度波动异常指数TDFI、湿度波动异常指数HDFI、温度超限异常指数TELI和湿度超限异常指数HELI；
根据预先设置的各异常指数的权重系数，通过线性加权计算公式，得到各个监测点的环境风险指数RISK，环境风险指数RISK通过如下公式计算：
RISK＝w1×TEIT+w2×SEIT+w3×TDFI+w4×TELI+w1×TEIH+w2×SEIH+w3×HDFI+w4×HELI
其中，时间异常指数权重为w1、空间异常指数权重为w2、波动异常指数权重为w3、超限异常指数权重为w4。
2.根据权利要求1所述的基于人工智能算法的纸质文物环境评估方法，其特征在于：
预设温度范围的下限Tjmin的取值范围为16℃至19℃。
3.根据权利要求1所述的基于人工智能算法的纸质文物环境评估方法，其特征在于：
预设温度范围的上限Tjmax的取值范围为20℃至24℃。
4.根据权利要求1所述的基于人工智能算法的纸质文物环境评估方法，其特征在于：
流式计算框架采用Apache Spark Streaming。
5.根据权利要求1所述的基于人工智能算法的纸质文物环境评估方法，其特征在于：
预设湿度范围为40％RH至70％RH，其中，RH表示相对湿度。
CN202311643679.1A 2023-12-03 2023-12-03 一种基于人工智能算法的纸质文物环境评估方法 Active CN117610965B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311643679.1A CN117610965B (zh) 2023-12-03 2023-12-03 一种基于人工智能算法的纸质文物环境评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311643679.1A CN117610965B (zh) 2023-12-03 2023-12-03 一种基于人工智能算法的纸质文物环境评估方法

Publications (2)

Publication Number Publication Date
CN117610965A CN117610965A (zh) 2024-02-27
CN117610965B true CN117610965B (zh) 2024-04-26

Family

ID=89949679

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311643679.1A Active CN117610965B (zh) 2023-12-03 2023-12-03 一种基于人工智能算法的纸质文物环境评估方法

Country Status (1)

Country Link
CN (1) CN117610965B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118013098A (zh) * 2024-03-01 2024-05-10 菁菱谷(深圳)技术有限公司 一种基于人工智能的大数据展示系统及方法
CN118655927A (zh) * 2024-08-16 2024-09-17 东方金典数字科技(湖南)有限公司 基于智能感知的文物存储环境控制方法、装置及设备

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105466492A (zh) * 2015-12-28 2016-04-06 中国电子科技集团公司第二十六研究所 一种多适用性馆藏文物保存环境监测终端
CN107065990A (zh) * 2017-04-14 2017-08-18 武汉数文科技有限公司 馆藏文物监测系统及方法
KR101991281B1 (ko) * 2018-04-10 2019-06-20 최종운 Iot 기반의 문화재 변위 모니터링 시스템
CN112732708A (zh) * 2020-12-21 2021-04-30 湖北微云科技有限公司 一种基于环境数据采集和监测的博物馆文物保护系统
CN113988519A (zh) * 2021-09-27 2022-01-28 上海博物馆 一种馆藏文物保存环境风险表征方法
LU502325B1 (en) * 2022-06-21 2023-01-06 Nanjing Inst Of Environmental Sciences Mee System and method for assessing health risk in asbestos mining area
CN115600932A (zh) * 2022-12-12 2023-01-13 杭州原数科技有限公司（Cn） 一种基于大数据的文物储藏环境异常评估方法
CN115619313A (zh) * 2022-10-26 2023-01-17 浪潮通信信息系统有限公司 文物监管方法、5g端计算设备、系统、存储介质及产品
CN115755691A (zh) * 2022-11-15 2023-03-07 天津森罗科技股份有限公司 藏品监控管理系统及其构建方法
CN116128310A (zh) * 2023-04-13 2023-05-16 广东广宇科技发展有限公司 一种用于古文物建筑的消防安全评估方法
CN116523298A (zh) * 2023-04-07 2023-08-01 华东理工大学 一种馆藏文物保存环境风险评价和溯源方法
CN116721002A (zh) * 2023-08-10 2023-09-08 天津旺达文博展具有限公司 一种适用于博物馆的智能物联网管理系统
CN116894580A (zh) * 2023-07-11 2023-10-17 上海交通大学 基于焓湿图划分文物赋存环境的方法及系统
KR102597861B1 (ko) * 2023-02-13 2023-11-02 동국대학교 와이즈캠퍼스 산학협력단 문화재 관리를 위한 모니터링 장치 및 방법

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105466492A (zh) * 2015-12-28 2016-04-06 中国电子科技集团公司第二十六研究所 一种多适用性馆藏文物保存环境监测终端
CN107065990A (zh) * 2017-04-14 2017-08-18 武汉数文科技有限公司 馆藏文物监测系统及方法
KR101991281B1 (ko) * 2018-04-10 2019-06-20 최종운 Iot 기반의 문화재 변위 모니터링 시스템
CN112732708A (zh) * 2020-12-21 2021-04-30 湖北微云科技有限公司 一种基于环境数据采集和监测的博物馆文物保护系统
CN113988519A (zh) * 2021-09-27 2022-01-28 上海博物馆 一种馆藏文物保存环境风险表征方法
LU502325B1 (en) * 2022-06-21 2023-01-06 Nanjing Inst Of Environmental Sciences Mee System and method for assessing health risk in asbestos mining area
CN115619313A (zh) * 2022-10-26 2023-01-17 浪潮通信信息系统有限公司 文物监管方法、5g端计算设备、系统、存储介质及产品
CN115755691A (zh) * 2022-11-15 2023-03-07 天津森罗科技股份有限公司 藏品监控管理系统及其构建方法
CN115600932A (zh) * 2022-12-12 2023-01-13 杭州原数科技有限公司（Cn） 一种基于大数据的文物储藏环境异常评估方法
KR102597861B1 (ko) * 2023-02-13 2023-11-02 동국대학교 와이즈캠퍼스 산학협력단 문화재 관리를 위한 모니터링 장치 및 방법
CN116523298A (zh) * 2023-04-07 2023-08-01 华东理工大学 一种馆藏文物保存环境风险评价和溯源方法
CN116128310A (zh) * 2023-04-13 2023-05-16 广东广宇科技发展有限公司 一种用于古文物建筑的消防安全评估方法
CN116894580A (zh) * 2023-07-11 2023-10-17 上海交通大学 基于焓湿图划分文物赋存环境的方法及系统
CN116721002A (zh) * 2023-08-10 2023-09-08 天津旺达文博展具有限公司 一种适用于博物馆的智能物联网管理系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Risk Assessment of Artifact Degradation in a Museum, Based on Indoor Climate Monitoring—Case Study of "Poni-Cernătescu" Museum from Iași City;Oana Florescu;Appl. Sci.;20220324;第12卷(第7期);3313 *
博物馆藏品风险评估模型的初步设计――以藏品特征与病害为基础;张然;王建平;;博物馆管理;20200515(第02期);29-35 *
馆藏文物保存环境现状与分析;于沁;;文化创新比较研究;20180601(第16期);130-132 *

Also Published As

Publication number Publication date
CN117610965A (zh) 2024-02-27

Similar Documents

Publication Publication Date Title
CN117610965B (zh) 一种基于人工智能算法的纸质文物环境评估方法
CN109524139B (zh) 一种基于设备工况变化的实时设备性能监测方法
US10031510B2 (en) Computer system and method for causality analysis using hybrid first-principles and inferential model
US8862525B2 (en) Method for screening samples for building prediction model and computer program product thereof
Štěpánek et al. Data quality control and homogenization of air temperature and precipitation series in the area of the Czech Republic in the period 1961–2007
US20190198136A1 (en) Real-time industrial plant production prediction and operation optimization
CN113407371A (zh) 数据异常监测方法、装置、计算机设备和存储介质
JP7451854B2 (ja) 産業環境におけるエネルギー消費量を診断する方法、システム、及びコンピュータプログラム製品
CN115994248A (zh) 阀门故障的数据检测方法及系统
CN113496314A (zh) 一种神经网络模型预测道路交通流量的方法
CN116643308A (zh) 一种利用相似地震预测地震台站异常数据的方法及系统
CN117216528A (zh) 一种基于环境多因素-频率增强映射模型的桥梁性能预警方法
KR102041683B1 (ko) 결함 예측 방법
CN114418600B (zh) 一种食品输入风险监测预警方法
CN114881074B (zh) 一种基于聚类-深度学习的工程结构变形预测方法
CN111966966B (zh) 一种传感器测量误差模型参数可行域分析方法及系统
CN118052082B (zh) 加热铠丝管口密封控制方法及系统
CN118536817B (zh) 一种基于传感器网络的电缆通道监测系统
CN118482817B (zh) 一种基于数据分析的数字化纺织设备管理方法及系统
Okusa et al. A statistical study on highly accurate quality prediction for high-mix low-volume semiconductor products
CN118229091B (zh) 基于数据分析的抗震成品支架安全测试管理系统
CN115508511B (zh) 基于网格化设备全参数特征分析的传感器自适应校准方法
CN114969140B (zh) 一种流利条产品性能数据检测分析方法
CN118295346B (zh) 一种基于振动检测仪的设备管理方法及系统
CN117870034B (zh) 洁净室环境参数的控制方法、装置及系统

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