【技术实现步骤摘要】
本专利技术涉及环境空气质量管理，具体而言，涉及一种医用环境空气质量管理方法、系统、设备及介质。
技术介绍
1、随着医疗技术的发展和对医疗质量要求的提高，医院环境的空气质量管理变得越来越重要。当前，医院空气质量管理主要依赖于传统的空气净化技术和人工监控方法，如使用高效空气过滤器（hepa）、紫外线消毒灯和化学消毒剂等。
2、然而，这些方法存在一些问题，例如效率低下、成本高昂、反应迟缓，以及无法实时适应空气质量变化的需求。现有技术通常采用定期维护和人工巡检的方式来确保空气质量，但这种方法缺乏灵活性和预测能力，难以满足现代医院对空气质量快速响应的需求。
技术实现思路
1、本专利技术的目的在于提供一种医用环境空气质量管理方法、系统、设备及介质，以改善上述问题。为了实现上述目的，本专利技术采取的技术方案如下：
2、第一方面，本申请提供了一种医用环境空气质量管理方法，包括：
3、根据医院院外周边环境监测站和院内空气质量监测装置的实时数据，经过数据融合和校准处理，得到反映室内外污染物浓度的分布图，其中院外周边环境监测站包括院外空气质量指数以及相关实时天气预报数据，院内空气质量监测装置包括安装在院内各指定地点的装置；
4、利用机器学习算法对分布图进行模式识别，得到医用环境空气质量的关键特征，结合管理人员基于临时或实际情况在系统中输入的有关影响改善空气质量的策略，并智能生成定制化的空气质量改善方案；
5、基于空气质量改善方案，经过近端策略优
6、根据设备运行调度策略，利用pid控制算法动态处理，得到动态调整的设备运行参数；
7、基于设备运行参数和实时监控设备的环境反馈，经过异常检测算法处理，得到异常预警信号，对异常预警信号做出反应，从而对医用环境空气质量进行相应的管理。
8、优选地，所述根据医院周边环境监测站和内部监测装置的实时数据，经过数据融合和校准处理，得到反映室内外污染物浓度的分布图，其中包括：
9、根据医院周边环境监测站和内部监测装置的实时数据，经过数据预处理和图像识别技术处理，其中处理过程包括将图表中的数值信息转换为数字格式，得到原始的时间序列数据集；
10、利用加权平均法对时间序列数据集进行融合处理，结合医院内部监测装置的实时数据，得到融合数据集，其中加权平均法通过赋予不同监测点数据不同的权重 wi 来计算污染物浓度的平均值；
11、基于融合数据集，经过主成分分析处理得到数据的主要成分，最终得到校准后的pca成分，其中pca通过奇异值分解将多维数据转换到新的坐标系；
12、使用数据可视化库对校准后的pca成分进行可视化处理，将校准后的数据映射到地理坐标上，生成反映室内外污染物浓度的分布图。
13、优选地，所述使用数据可视化库对校准后的pca成分进行可视化处理，其中包括：
14、根据校准后的污染物浓度数据，将其与有关于经纬度地理位置进行关联，并选择一个数据可视化库；
15、定义一个颜色映射方案，将污染物浓度的数值范围映射到一个颜色梯度上，其中蓝色代表低浓度，红色代表高浓度，并在可视化工具中创建颜色梯度；
16、使用颜色编码将污染物浓度数据绘制在地图上，确保每个区域的颜色根据其浓度值从颜色梯度中选择，并添加用于说明颜色编码与污染物浓度之间的关系图例，并根据需要调整颜色梯度、图例和地图的其他视觉元素，其中通过颜色编码来表示不同区域的污染物浓度水平。
17、优选地，所述利用机器学习算法对分布图进行模式识别，得到医用环境空气质量的关键特征，其中包括：
18、从分布图中提取原始的时间序列数据，其中分布图通过图表的形式展示污染物浓度的变化，包含多个监测点的数据；
19、对收集到的时间序列数据进行清洗，其中包括处理缺失值、异常值和重复值，得到清洗后的数据，将来自不同监测站或监测装置的数据与清洗后的数据进行整合，得到融合数据，对融合数据进行校准，得到预处理数据；
20、使用vmd算法对预处理数据进行分解，将其分解为若干个固有模态函数，通过迭代搜寻变分模态的最优解，更新各模态函数及中心频率，得到vmd分解后的固有模态函数；
21、利用双向门控循环单元网络对vmd分解后的固有模态函数进行特征提取，得到反映空气质量变化的关键特征。
22、优选地，所述基于空气质量改善方案，经过近端策略优化算法进行处理，得到设备运行调度策略，其中包括：
23、基于空气质量改善方案的目标和约束条件，经过数学建模处理，构建混合整数线性规划模型，其中混合整数线性规划模型的目标函数包括最小化能源消耗和最大化空气质量改善效果，约束条件包括设备运行限制和污染物排放标准；
24、经过分支定界算法对混合整数线性规划模型进行处理，求解模型得到最优解，其中分支定界算法通过系统地搜索决策空间，逐步缩小可行解的范围，直到找到最优解为止；
25、根据最优解，经过模拟仿真处理，验证策略在模拟环境中的表现，其中模拟仿真通过构建虚拟环境，模拟设备根据最优解运行时的空气质量变化和能源消耗情况，进而得到模拟结果，其中包括空气质量指标和能源消耗数据；
26、对模拟结果进行多指标评估方法处理，评估调度策略的有效性，并对策略进行评价，得到最终的设备运行调度策略，其中设备运行调度策略考虑了空气质量改善效果和能源消耗，其中多指标评估方法包括可再生能源消纳比率、调度响应时间、负荷平稳度以及经济效益的维度。
27、第二方面，本申请还提供了一种医用环境空气质量管理系统，包括：
28、第一处理模块：用于根据医院周边环境监测站和内部监测装置的实时数据，经过数据融合和校准处理，得到反映室内外污染物浓度的分布图；
29、识别特征模块：用于利用机器学习算法对分布图进行模式识别，得到医用环境空气质量的关键特征，结合医院内部活动安排和患者病情数据，智能生成定制化的空气质量改善方案；
30、第二处理模块：用于基于空气质量改善方案，经过近端策略优化算法进行处理，得到设备运行调度策略；
31、第三处理模块：用于根据设备运行调度策略，利用pid控制算法动态处理，得到动态调整的设备运行参数；
32、管理模块：用于基于设备运行参数和实时监控设备的环境反馈，经过异常检测算法处理，得到异常预警信号，对异常预警信号做出反应，从而对医用环境空气质量进行相应的管理。
33、第三方面，本申请还提供了一种医用环境空气质量管理设备，包括：
34、存储器，用于存储计算机程序；
35、处理器，用于执行所述计算机程序时实现所述医用环境空气质量管理方法的步骤。
36、第四方面，本申请还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被本文档来自技高网...
【技术保护点】
1.一种医用环境空气质量管理方法，其特征在于，包括：
2.根据权利要求1所述的医用环境空气质量管理方法，其特征在于，所述根据医院周边环境监测站和内部监测装置的实时数据，经过数据融合和校准处理，得到反映室内外污染物浓度的分布图，其中包括：
3.根据权利要求2所述的医用环境空气质量管理方法，其特征在于，所述使用数据可视化库对校准后的PCA成分进行可视化处理，其中包括：
4.根据权利要求1所述的医用环境空气质量管理方法，其特征在于，所述利用机器学习算法对分布图进行模式识别，得到医用环境空气质量的关键特征，其中包括：
5.根据权利要求1所述的医用环境空气质量管理方法，其特征在于，所述基于空气质量改善方案，经过近端策略优化算法进行处理，得到设备运行调度策略，其中包括：
6.一种医用环境空气质量管理系统，基于权利要求1所述的医用环境空气质量管理方法，其特征在于，包括：
7.根据权利要求6所述的医用环境空气质量管理系统，其特征在于，所述第一处理模块，其中包括：
8.根据权利要求6所述的医用环境空气质量管理系统，
9.一种医用环境空气质量管理设备，其特征在于，包括：
10.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述医用环境空气质量管理方法。
...【技术特征摘要】
1.一种医用环境空气质量管理方法，其特征在于，包括：
2.根据权利要求1所述的医用环境空气质量管理方法，其特征在于，所述根据医院周边环境监测站和内部监测装置的实时数据，经过数据融合和校准处理，得到反映室内外污染物浓度的分布图，其中包括：
3.根据权利要求2所述的医用环境空气质量管理方法，其特征在于，所述使用数据可视化库对校准后的pca成分进行可视化处理，其中包括：
4.根据权利要求1所述的医用环境空气质量管理方法，其特征在于，所述利用机器学习算法对分布图进行模式识别，得到医用环境空气质量的关键特征，其中包括：
5.根据权利要求1所述的医用环境空气质量管理方法，其特征在于，所述基于空...
【专利技术属性】
技术研发人员：王久魁，张海燕，付春艳，青鹏，青奉李，刘金艳，聂涛，刘有为，齐增义，武焕颖，邱俊，文海龙，
申请(专利权)人：成都擎安医疗科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。