基于室内环境监测的训练样本数据获取方法及装置制造方法及图纸

本发明专利技术公开了一种基于室内环境监测训练样本数据获取方法及装置，该方法包括：采集多种室内环境监测数据；统一所述多种室内环境监测数据的采样间隔；对统一采样间隔之后的室内环境监测数据进行归一化处理，将归一化处理后的室内环境监测数据作为人工神经网络的训练样本数据。本发明专利技术提供的训练样本数据获取方法，包括采集室内环境监测数据以及对数据进行预处理和归一化处理，得到用于训练人工神经网络的训练样本数据，该训练样本数据能够加快人工神经网络的学习速度，提高人工神经网络的收敛速度，完全能够满足人工神经网络的训练要求。

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.

【技术实现步骤摘要】
基于室内环境监测的训练样本数据获取方法及装置
本专利技术涉及数据处理
，具体涉及一种基于室内环境监测的训练样本数据获取方法及装置。
技术介绍
工业技术的发展，尤其是化工原料、新型材料等的使用，使得环境污染日益严重，直接影响了人们的日常健康。出于工作和生活的需要，人们大部分的时间在室内停留，而现代大楼建设过程中，出于节能或方便管理等多方面考虑，自然通风不再是主要换气手段，通风换气、室内温度等环境要素控制主要依靠新风系统配合空调系统完成。现有技术大楼的新风系统多采用集中控制、工作模式单一，而空调多数情况下仍需手动控制，不能根据室内空气质量给出智能的控制方案，达不到即节能又舒适的效果。其重要原因是未能实现对环境信息进行有效分析评估以作为控制依据。随着科技的发展，环境监测设备布置得越来越广泛，所产生的大量数据未能得到有效的评估。为了减少空气环境不良对生活质量和工作效率的影响，对室内空气质量的评估分析具有重要的实用价值。针对空气质量的分析评估，近年来研究颇多，但多是针对室外大环境开展，比如分析空气质量的基本趋势、进行PM2.5短期浓度动态预报等，针对室内空气监测的数据的评估分析较少。室内空气监测传感器由不同种类的异质传感器构成，具有多样性。利用机器学习技术通过人工神经网络实现对空气质量的分析评估具有普遍适用性。利用人工神经网络进行室内空气质量分析评估，首先要获取训练样本数据以便对人工神经网络进行训练，现在亟待进行该方面的研究。
技术实现思路
本专利技术的一个目的是提供一种训练样本数据获取的新的技术方案。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。根据本专利技术实施例的一个方面，提供一种基于室内环境监测训练样本数据获取方法，包括：采集多种室内环境监测数据；统一所述多种室内环境监测数据的采样间隔；对统一采样间隔之后的室内环境监测数据进行归一化处理，将归一化处理后的室内环境监测数据作为人工神经网络的训练样本数据。进一步地，所述统一所述多种室内环境监测数据的采样间隔包括：采用二次多项式对统一后的采样间隔进行拟合插值或插值后抽取。进一步地，所述对室内环境监测数据进行归一化处理包括：利用分量白化方法对室内环境监测数据进行数据归一化处理。进一步地，所述对室内环境监测数据进行归一化处理，包括：设室内环境监测数据的数据集X由P个样本组成，每个样本有J个分量，x表示样本的分量；表示数据集X的第p(1≤p≤P)个样本的第j(1≤j≤J)个分量，表示归一化后的样本的分量；表示归一化后的数据集的第p个样本的第j个分量，采用分量白化方法对数据进行归一化，分量白化后得到：其中数据集X的第p个样本的所有分量的平均值标准差σj由计算公式为：根据本专利技术实施例的另一个方面，提供一种人工神经网络训练方法，包括：向人工神经网络输入通过所述基于室内环境监测训练样本数据获取方法获取的训练样本数据；采用回弹后向传播算法对所述人工神经网络进行训练；所述人工神经网络包括输入层、隐含层和输出层。进一步地，所述采用回弹后向传播算法对所述人工神经网络进行训练包括：设所述人工神经网络的输出层具有M个神经元，所述训练样本数据包含P个输入样本，定义所述人工神经网络输出的总方差E为：其中ypj表示第p个输入样本产生的输出层第j个神经元的输出，dpj表示第p个输入样本对应的输出层第j个神经元的期望输出；εp代表每个输入样本的方差。进一步地，所述采用回弹后向传播算法对所述人工神经网络进行训练包括对网络权值的调整；所述对网络权值的调整的计算公式为其中，t表示迭代次数，η表示学习速率，wij(·)表示连接前一层第i个神经元到当前层第j个神经元的连接权值；代表在进行第t次迭代时求和的梯度信息。根据本专利技术实施例的另一个方面，提供一种基于室内环境监测的训练样本数据获取装置，包括：采集模块，用于采集多种室内环境监测数据；预处理模块，用于统一所述多种室内环境监测数据的采样间隔；归一化处理模块，用于对统一采样间隔之后的室内环境监测数据进行归一化处理，将归一化处理后的室内环境监测数据作为人工神经网络的训练样本数据。根据本专利技术实施例的另一个方面，提供一种人工神经网络训练装置，包括：输入模块，用于向人工神经网络输入通过所述基于室内环境监测训练样本数据获取方法获取的训练样本数据；训练模块，用于采用回弹后向传播算法对所述人工神经网络进行训练；所述人工神经网络包括输入层、隐含层和输出层。根据本专利技术实施例的另一个方面，提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现所述基于室内环境监测训练样本数据获取方法和/或所述人工神经网络训练方法。根据本专利技术实施例的另一个方面，提供一种非临时性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，以实现所述基于室内环境监测训练样本数据获取方法和/或所述人工神经网络训练方法。本专利技术实施例提供的技术方案可以包括以下有益效果：本专利技术提供的基于室内环境监测的训练样本数据获取方法，包括采集室内环境监测数据以及对数据进行预处理和归一化处理，得到用于训练人工神经网络的训练样本数据，该训练样本数据能够加快人工神经网络的学习速度，提高人工神经网络的收敛速度，完全能够满足人工神经网络的训练要求。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者，部分特征和优点可以从说明书中推知或毫无疑义地确定，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。附图说明为了更清楚地说明本专利技术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，下面描述中的附图仅仅是本专利技术中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请一个实施例的训练样本数据获取方法流程图；图2为本申请另一个实施例的神经网络权值调整方法流程图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施例对本专利技术做进一步说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本
技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本专利技术所属领域中的普通技术人员的一般理本文档来自技高网...

【技术保护点】
1.一种基于室内环境监测训练样本数据获取方法，其特征在于，包括：/n采集多种室内环境监测数据；/n统一所述多种室内环境监测数据的采样间隔；/n对统一采样间隔之后的室内环境监测数据进行归一化处理，将归一化处理后的室内环境监测数据作为人工神经网络的训练样本数据。/n

【技术特征摘要】
1.一种基于室内环境监测训练样本数据获取方法，其特征在于，包括：
采集多种室内环境监测数据；
统一所述多种室内环境监测数据的采样间隔；
对统一采样间隔之后的室内环境监测数据进行归一化处理，将归一化处理后的室内环境监测数据作为人工神经网络的训练样本数据。


2.根据权利要求1所述的方法，其特征在于，所述统一所述多种室内环境监测数据的采样间隔包括：采用二次多项式对统一后的采样间隔进行拟合插值或插值后抽取。


3.根据权利要求1所述的方法，其特征在于，所述对室内环境监测数据进行归一化处理包括：利用分量白化方法对室内环境监测数据进行数据归一化处理。


4.根据权利要求1所述的方法，其特征在于，所述对室内环境监测数据进行归一化处理，包括：
设室内环境监测数据的数据集X由P个样本组成，每个样本有J个分量，x表示样本的分量；表示数据集X的第p(1≤p≤P)个样本的第j(1≤j≤J)个分量，表示归一化后的样本的分量；表示归一化后的数据集的第p个样本的第j个分量，采用分量白化方法对数据进行归一化，分量白化后得到：



其中数据集X的第p个样本的所有分量的平均值标准差σj由计算公式为：





5.一种人工神经网络训练方法，其特征在于，包括：
向人工神经网络输入通过权利要求1-3任一项所述方法获取的训练样本数据；
采用回弹后向传播算法对所述人工神经网络进行训练；所述人工神经网络包括输入层、隐含层和输出层。


6.根据权利要求5所述的方法，其特征在于，所述采用回弹后向传播算法对所述人工神经网络进行训练包括：
设所述人工神经网络的输出层具有M个神经元，所述训练样本数据包含P个输入样本...

【专利技术属性】
技术研发人员：贾琳，赵磊，
申请(专利权)人：特斯联北京科技有限公司，
类型：发明
国别省市：北京;11