一种室内空气质量评价方法及系统

本发明属于室内环境质量，具体涉及一种室内空气质量评价方法及系统。

背景技术：

1、人的一生中有近90％的时间在室内度过，室内环境对人体健康的影响不容小觑。随着绿色建筑、健康建筑理念的发展，人们对日常生活、工作、学习环境的要求不仅只是绿色节能还有室内环境的健康、舒适。室内空气质量的优劣直接影响人们的身体健康，良好的室内环境可以促进人体健康，恶劣的室内环境则会诱发多种疾病。

2、现有技术中，中国专利公开号：cn113624918a，提供了一种室内空气质量评价方法。该专利通过测量温度、湿度、pm2.5、tvoc和苯五项室内空气参数，根据不同参数的特点进行评分，并制定参数的权重体系及统一标准，按权重和分段函数计算室内空气质量的总分进而评价室内空气质量。该专利对室内空气质量的评价只涉及到室内空气参数，而忽略气味也是室内空气质量的一项重要指标。

3、室内空气质量的评价工作可以从两项内容进行，一是室内空气污染物，通过各种污染物浓度及成分的实测结果评价室内空气质量，但一些情况下，有害气体种类繁多且浓度很低，仪器难以精确测定，在这种情况针对室内空气质量的评价并不严谨。二是气味，室内气味的评价强调了人的主观感受，弥补了上述评价方法的不足，但忽略了人体感觉受存在差异性和不确定性，难以得到统一的结果。基于此，开发一种兼顾室内污染物和空气气味的方法尤为必要。

技术实现思路

1、基于上述技术问题，本发明提供一种室内空气质量评价方法及系统，结合室内空气污染物和气味的测量数据，综合考虑室内环境的客观指标，实现对室内空气质量的综合评价。

2、本发明提供一种室内空气质量评价方法及系统，所述方法包括：

3、步骤s1：获取待评价房间内的气体感知数据；所述气体感知数据包括光传感污染物浓度、化学传感污染物浓度和空气气味信号；

4、步骤s2：将所述空气气味信号进行预处理，得到气味频谱图；

5、步骤s3：将所述气味频谱图输入到双分支网络模型中分别进行气味类别和气味浓度的预测，得到气味预测结果；所述气味预测结果包括预测概率最大的气味类别以及对应的浓度；

6、步骤s4：根据所述光传感污染物浓度、所述化学传感污染物浓度和所述气味预测结果共同预测室内空气污染干扰潜力；

7、步骤s5：根据所述室内空气污染干扰潜力确定所述待评价房间的空气质量等级。

8、可选地，将所述空气气味信号进行预处理，得到气味频谱图，具体包括：

9、将所述空气气味信号进行模数转换，得到气味数字信号；

10、将所述气味数字信号进行信号放大、滤波和采样操作，得到气味离散信号；

11、将所述气味离散信号通过快速傅里叶变换，得到气味频域信号；

12、根据所述气味频域信号计算不同频率能量分布，得到所述气味频谱图。

13、可选地，所述将所述气味频谱图输入到双分支网络模型中分别进行气味类别和气味浓度的预测，得到气味预测结果，具体包括：

14、将所述气味频谱图输入到第一分支网络，进行特征提取，得到特征图a11，将所述特征图a11依次输入到全局平均池化层、第一全连接层和softmax分类器，得到所述预测概率最大的气味类别；所述第一分支网络具体包括：第一标准卷积模块、空洞卷积模块和深度可分离卷积模块；

15、将所述气味频谱图输入到第二分支网络，进行特征提取，得到特征图b9，将所述特征图b9依次输入到展平层、第二全连接层、第三全连接层和第四全连接层进行回归预测，得到所述预测概率最大的气味类别对应的气味浓度；所述第二分支网络具体包括：第二标准卷积模块、第三标准卷积模块和第四标准卷积模块。

16、可选地，所述将所述气味频谱图输入到第一分支网络，进行特征提取，得到特征图a11，具体包括：

17、将所述气味频谱图输入到所述第一标准卷积模块进行标准卷积操作，得到特征图a3；

18、将所述特征图a3输入到所述空洞卷积模块进行空洞卷积操作，得到特征图a7；

19、将所述特征图a7输入到所述深度可分离卷积模块进行深度可分离卷积操作，得到特征图a11。

20、可选地，所述根据所述光传感污染物浓度、所述化学传感污染物浓度和所述气味预测结果共同预测室内空气污染干扰潜力，具体公式为：

21、

22、

23、式中，d为室内空气污染干扰潜力，ci为第i种室内空气污染物对应的浓度，室内空气污染物包括光传感污染物和化学传感污染物，ci，x为第i种室内空气质量指标限值，n为气味指数，c为预测概率最大的气味类别对应的气味浓度。

24、本发明还提供一种室内空气质量评价系统，所述系统包括：

25、气味数据采集模块，用于获取待评价房间内的气体感知数据；所述气体感知数据包括光传感污染物浓度、化学传感污染物浓度和空气气味信号；

26、气味数据预处理模块，用于将所述空气气味信号进行预处理，得到气味频谱图；

27、气味预测模块，用于将所述气味频谱图输入到双分支网络模型中分别进行气味类别和气味浓度的预测，得到气味预测结果；所述气味预测结果包括预测概率最大的气味类别以及对应的浓度；

28、空气污染干扰潜力确定模块，用于根据所述光传感污染物浓度、所述化学传感污染物浓度和所述气味预测结果共同预测室内空气污染干扰潜力；

29、空气质量评定模块，用于根据所述室内空气污染干扰潜力确定所述待评价房间的空气质量等级。

30、可选地，所述气味数据预处理模块，具体包括：

31、模数转换子模块，用于将所述空气气味信号进行模数转换，得到气味数字信号；

32、信号处理子模块，用于将所述气味数字信号进行信号放大、滤波和采样操作，得到气味离散信号；

33、信号变换子模块，用于将所述气味离散信号通过快速傅里叶变换，得到气味频域信号；

34、频谱生成子模块，用于根据所述气味频域信号计算不同频率能量分布，得到所述气味频谱图。

35、可选地，所述气味预测模块，具体包括：

36、第一分支网络子模块，用于将所述气味频谱图输入到第一分支网络，进行特征提取，得到特征图a11，将所述特征图a11依次输入到全局平均池化层、第一全连接层和softmax分类器，得到所述预测概率最大的气味类别；所述第一分支网络具体包括：第一标准卷积模块、空洞卷积模块和深度可分离卷积模块；

37、第二分支网络子模块，用于将所述气味频谱图输入到第二分支网络，进行特征提取，得到特征图b9，将所述特征图b9依次输入到展平层、第二全连接层、第三全连接层和第四全连接层进行回归预测，得到所述预测概率最大的气味类别对应的气味浓度；所述第二分支网络具体包括：第二标准卷积模块、第三标准卷积模块和第四标准卷积模块。

38、可选地，所述第一分支网络子模块，具体包括：

39、第一标准卷积单元，用于将所述气味频谱图输入到所述第一标准卷积模块进行标准卷积操作，得到特征图a3；

40、空洞卷积单元，用于将所述特征图a3输入到所述空洞卷积模块进行空洞卷积操作，得到特征图a7；

41、深度可分离卷积单元，用于将所述特征图a7输入到所述深度可分离卷积模块进行深度可分离卷积操作，得到特征图a11。

42、可选地，所述根据所述光传感污染物浓度、所述化学传感污染物浓度和所述气味预测结果共同预测室内空气污染干扰潜力，具体公式为：

43、

44、

45、式中，d为室内空气污染干扰潜力，ci为第i种室内空气污染物对应的浓度，室内空气污染物包括光传感污染物和化学传感污染物，ci，x为第i种室内空气质量指标限值，n为气味指数，c为预测概率最大的气味类别对应的气味浓度。

46、本发明与现有技术相比，具有以下有益效果：

47、本发明使用空洞卷积、深度可分离卷积和双分支网络模型，其中空洞卷积可以增大感受野，捕捉更大范围的特征信息，有助于识别气味中的长程依赖关系；深度可分离卷积则将卷积操作拆分为深度卷积和逐点卷积，减少了参数量和计算复杂度，提高了模型的效率和轻量性；双分支网络模型分别对气味类别和气味浓度进行预测，可以对室内空气进行全面的评估和预测，提高模型的准确性和稳定性，同时考虑了光传感污染物浓度、化学传感污染物浓度和气味特征，能够更准确地计算室内空气污染干扰潜力和确定室内空气的质量等级，这有助于提供科学的参考和决策依据，帮助改善室内空气质量，保障人们的健康和舒适。