基于室內(nèi)環(huán)境監(jiān)測的訓(xùn)練樣本數(shù)據(jù)獲取方法及裝置制造方法及圖紙

本發(fā)明專利技術(shù)公開了一種基于室內(nèi)環(huán)境監(jiān)測訓(xùn)練樣本數(shù)據(jù)獲取方法及裝置，該方法包括：采集多種室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)；統(tǒng)一所述多種室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)的采樣間隔；對統(tǒng)一采樣間隔之后的室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)進(jìn)行歸一化處理，將歸一化處理后的室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)作為人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù)。本發(fā)明專利技術(shù)提供的訓(xùn)練樣本數(shù)據(jù)獲取方法，包括采集室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)以及對數(shù)據(jù)進(jìn)行預(yù)處理和歸一化處理，得到用于訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù)，該訓(xùn)練樣本數(shù)據(jù)能夠加快人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度，提高人工神經(jīng)網(wǎng)絡(luò)的收斂速度，完全能夠滿足人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練要求。

Acquisition method and device of training sample data based on indoor environment monitoring

The invention discloses a method and a device for acquiring training sample data based on indoor environmental monitoring, the method includes: collecting a variety of indoor environmental monitoring data; unifying the sampling interval of the variety of indoor environmental monitoring data; normalizing the indoor environmental monitoring data after the unified sampling interval, and taking the indoor environmental monitoring data after the normalization as an artificial spirit Training sample data through network. The training sample data acquisition method provided by the invention includes collecting indoor environment monitoring data, preprocessing and normalizing the data, obtaining the training sample data for training the artificial neural network, the training sample data can accelerate the learning speed of the artificial neural network, improve the convergence speed of the artificial neural network, and fully meet the requirements of the artificial neural network Training requirements.

【技術(shù)實現(xiàn)步驟摘要】
基于室內(nèi)環(huán)境監(jiān)測的訓(xùn)練樣本數(shù)據(jù)獲取方法及裝置
本專利技術(shù)涉及數(shù)據(jù)處理
，具體涉及一種基于室內(nèi)環(huán)境監(jiān)測的訓(xùn)練樣本數(shù)據(jù)獲取方法及裝置。
技術(shù)介紹
工業(yè)技術(shù)的發(fā)展，尤其是化工原料、新型材料等的使用，使得環(huán)境污染日益嚴(yán)重，直接影響了人們的日常健康。出于工作和生活的需要，人們大部分的時間在室內(nèi)停留，而現(xiàn)代大樓建設(shè)過程中，出于節(jié)能或方便管理等多方面考慮，自然通風(fēng)不再是主要換氣手段，通風(fēng)換氣、室內(nèi)溫度等環(huán)境要素控制主要依靠新風(fēng)系統(tǒng)配合空調(diào)系統(tǒng)完成?，F(xiàn)有技術(shù)大樓的新風(fēng)系統(tǒng)多采用集中控制、工作模式單一，而空調(diào)多數(shù)情況下仍需手動控制，不能根據(jù)室內(nèi)空氣質(zhì)量給出智能的控制方案，達(dá)不到即節(jié)能又舒適的效果。其重要原因是未能實現(xiàn)對環(huán)境信息進(jìn)行有效分析評估以作為控制依據(jù)。隨著科技的發(fā)展，環(huán)境監(jiān)測設(shè)備布置得越來越廣泛，所產(chǎn)生的大量數(shù)據(jù)未能得到有效的評估。為了減少空氣環(huán)境不良對生活質(zhì)量和工作效率的影響，對室內(nèi)空氣質(zhì)量的評估分析具有重要的實用價值。針對空氣質(zhì)量的分析評估，近年來研究頗多，但多是針對室外大環(huán)境開展，比如分析空氣質(zhì)量的基本趨勢、進(jìn)行PM2.5短期濃度動態(tài)預(yù)報等，針對室內(nèi)空氣監(jiān)測的數(shù)據(jù)的評估分析較少。室內(nèi)空氣監(jiān)測傳感器由不同種類的異質(zhì)傳感器構(gòu)成，具有多樣性。利用機器學(xué)習(xí)技術(shù)通過人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)對空氣質(zhì)量的分析評估具有普遍適用性。利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行室內(nèi)空氣質(zhì)量分析評估，首先要獲取訓(xùn)練樣本數(shù)據(jù)以便對人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，現(xiàn)在亟待進(jìn)行該方面的研究。
技術(shù)實現(xiàn)思路
本專利技術(shù)的一個目的是提供一種訓(xùn)練樣本數(shù)據(jù)獲取的新的技術(shù)方案。為了對披露的實施例的一些方面有一個基本的理解，下面給出了簡單的概括。該概括部分不是泛泛評述，也不是要確定關(guān)鍵/重要組成元素或描繪這些實施例的保護(hù)范圍。其唯一目的是用簡單的形式呈現(xiàn)一些概念，以此作為后面的詳細(xì)說明的序言。根據(jù)本專利技術(shù)實施例的一個方面，提供一種基于室內(nèi)環(huán)境監(jiān)測訓(xùn)練樣本數(shù)據(jù)獲取方法，包括：采集多種室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)；統(tǒng)一所述多種室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)的采樣間隔；對統(tǒng)一采樣間隔之后的室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)進(jìn)行歸一化處理，將歸一化處理后的室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)作為人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù)。進(jìn)一步地，所述統(tǒng)一所述多種室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)的采樣間隔包括：采用二次多項式對統(tǒng)一后的采樣間隔進(jìn)行擬合插值或插值后抽取。進(jìn)一步地，所述對室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)進(jìn)行歸一化處理包括：利用分量白化方法對室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)進(jìn)行數(shù)據(jù)歸一化處理。進(jìn)一步地，所述對室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)進(jìn)行歸一化處理，包括：設(shè)室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)的數(shù)據(jù)集X由P個樣本組成，每個樣本有J個分量，x表示樣本的分量；表示數(shù)據(jù)集X的第p(1≤p≤P)個樣本的第j(1≤j≤J)個分量，表示歸一化后的樣本的分量；表示歸一化后的數(shù)據(jù)集的第p個樣本的第j個分量，采用分量白化方法對數(shù)據(jù)進(jìn)行歸一化，分量白化后得到：其中數(shù)據(jù)集X的第p個樣本的所有分量的平均值標(biāo)準(zhǔn)差σj由計算公式為：根據(jù)本專利技術(shù)實施例的另一個方面，提供一種人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法，包括：向人工神經(jīng)網(wǎng)絡(luò)輸入通過所述基于室內(nèi)環(huán)境監(jiān)測訓(xùn)練樣本數(shù)據(jù)獲取方法獲取的訓(xùn)練樣本數(shù)據(jù)；采用回彈后向傳播算法對所述人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；所述人工神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層。進(jìn)一步地，所述采用回彈后向傳播算法對所述人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括：設(shè)所述人工神經(jīng)網(wǎng)絡(luò)的輸出層具有M個神經(jīng)元，所述訓(xùn)練樣本數(shù)據(jù)包含P個輸入樣本，定義所述人工神經(jīng)網(wǎng)絡(luò)輸出的總方差E為：其中ypj表示第p個輸入樣本產(chǎn)生的輸出層第j個神經(jīng)元的輸出，dpj表示第p個輸入樣本對應(yīng)的輸出層第j個神經(jīng)元的期望輸出；εp代表每個輸入樣本的方差。進(jìn)一步地，所述采用回彈后向傳播算法對所述人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括對網(wǎng)絡(luò)權(quán)值的調(diào)整；所述對網(wǎng)絡(luò)權(quán)值的調(diào)整的計算公式為其中，t表示迭代次數(shù)，η表示學(xué)習(xí)速率，wij(·)表示連接前一層第i個神經(jīng)元到當(dāng)前層第j個神經(jīng)元的連接權(quán)值；代表在進(jìn)行第t次迭代時求和的梯度信息。根據(jù)本專利技術(shù)實施例的另一個方面，提供一種基于室內(nèi)環(huán)境監(jiān)測的訓(xùn)練樣本數(shù)據(jù)獲取裝置，包括：采集模塊，用于采集多種室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)；預(yù)處理模塊，用于統(tǒng)一所述多種室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)的采樣間隔；歸一化處理模塊，用于對統(tǒng)一采樣間隔之后的室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)進(jìn)行歸一化處理，將歸一化處理后的室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)作為人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù)。根據(jù)本專利技術(shù)實施例的另一個方面，提供一種人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練裝置，包括：輸入模塊，用于向人工神經(jīng)網(wǎng)絡(luò)輸入通過所述基于室內(nèi)環(huán)境監(jiān)測訓(xùn)練樣本數(shù)據(jù)獲取方法獲取的訓(xùn)練樣本數(shù)據(jù)；訓(xùn)練模塊，用于采用回彈后向傳播算法對所述人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；所述人工神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層。根據(jù)本專利技術(shù)實施例的另一個方面，提供一種電子設(shè)備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述程序，以實現(xiàn)所述基于室內(nèi)環(huán)境監(jiān)測訓(xùn)練樣本數(shù)據(jù)獲取方法和/或所述人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法。根據(jù)本專利技術(shù)實施例的另一個方面，提供一種非臨時性計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該程序被處理器執(zhí)行，以實現(xiàn)所述基于室內(nèi)環(huán)境監(jiān)測訓(xùn)練樣本數(shù)據(jù)獲取方法和/或所述人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法。本專利技術(shù)實施例提供的技術(shù)方案可以包括以下有益效果：本專利技術(shù)提供的基于室內(nèi)環(huán)境監(jiān)測的訓(xùn)練樣本數(shù)據(jù)獲取方法，包括采集室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)以及對數(shù)據(jù)進(jìn)行預(yù)處理和歸一化處理，得到用于訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù)，該訓(xùn)練樣本數(shù)據(jù)能夠加快人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度，提高人工神經(jīng)網(wǎng)絡(luò)的收斂速度，完全能夠滿足人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練要求。本專利技術(shù)的其他特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者，部分特征和優(yōu)點可以從說明書中推知或毫無疑義地確定，或者通過實施本專利技術(shù)實施例了解。本專利技術(shù)的目的和其他優(yōu)點可通過在所寫的說明書、權(quán)利要求書、以及附圖中所特別指出的結(jié)構(gòu)來實現(xiàn)和獲得。附圖說明為了更清楚地說明本專利技術(shù)實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本專利技術(shù)中記載的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本申請一個實施例的訓(xùn)練樣本數(shù)據(jù)獲取方法流程圖；圖2為本申請另一個實施例的神經(jīng)網(wǎng)絡(luò)權(quán)值調(diào)整方法流程圖。具體實施方式為了使本專利技術(shù)的目的、技術(shù)方案及優(yōu)點更加清楚明白，下面結(jié)合附圖和具體實施例對本專利技術(shù)做進(jìn)一步說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅用以解釋本專利技術(shù)，并不用于限定本專利技術(shù)。基于本專利技術(shù)中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本專利技術(shù)保護(hù)的范圍。本
技術(shù)人員可以理解，除非另外定義，這里使用的所有術(shù)語(包括技術(shù)術(shù)語和科學(xué)術(shù)語)，具有與本專利技術(shù)所屬領(lǐng)域中的普通技術(shù)人員的一般理本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點】
1.一種基于室內(nèi)環(huán)境監(jiān)測訓(xùn)練樣本數(shù)據(jù)獲取方法，其特征在于，包括：/n采集多種室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)；/n統(tǒng)一所述多種室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)的采樣間隔；/n對統(tǒng)一采樣間隔之后的室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)進(jìn)行歸一化處理，將歸一化處理后的室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)作為人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù)。/n

【技術(shù)特征摘要】
1.一種基于室內(nèi)環(huán)境監(jiān)測訓(xùn)練樣本數(shù)據(jù)獲取方法，其特征在于，包括：
采集多種室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)；
統(tǒng)一所述多種室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)的采樣間隔；
對統(tǒng)一采樣間隔之后的室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)進(jìn)行歸一化處理，將歸一化處理后的室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)作為人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù)。


2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述統(tǒng)一所述多種室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)的采樣間隔包括：采用二次多項式對統(tǒng)一后的采樣間隔進(jìn)行擬合插值或插值后抽取。


3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)進(jìn)行歸一化處理包括：利用分量白化方法對室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)進(jìn)行數(shù)據(jù)歸一化處理。


4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)進(jìn)行歸一化處理，包括：
設(shè)室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)的數(shù)據(jù)集X由P個樣本組成，每個樣本有J個分量，x表示樣本的分量；表示數(shù)據(jù)集X的第p(1≤p≤P)個樣本的第j(1≤j≤J)個分量，表示歸一化后的樣本的分量；表示歸一化后的數(shù)據(jù)集的第p個樣本的第j個分量，采用分量白化方法對數(shù)據(jù)進(jìn)行歸一化，分量白化后得到：



其中數(shù)據(jù)集X的第p個樣本的所有分量的平均值標(biāo)準(zhǔn)差σj由計算公式為：





5.一種人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法，其特征在于，包括：
向人工神經(jīng)網(wǎng)絡(luò)輸入通過權(quán)利要求1-3任一項所述方法獲取的訓(xùn)練樣本數(shù)據(jù)；
采用回彈后向傳播算法對所述人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；所述人工神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層。


6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述采用回彈后向傳播算法對所述人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括：
設(shè)所述人工神經(jīng)網(wǎng)絡(luò)的輸出層具有M個神經(jīng)元，所述訓(xùn)練樣本數(shù)據(jù)包含P個輸入樣本...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：賈琳，趙磊，
申請(專利權(quán))人：特斯聯(lián)北京科技有限公司，
類型：發(fā)明
國別省市：北京;11