本發(fā)明涉及室內環(huán)境數據分析，尤其涉及一種基于機器學習的室內環(huán)境數據分析系統(tǒng)。

背景技術：

1、在現有技術中，室內環(huán)境數據分析通過收集和分析大量的環(huán)境數據，為解決環(huán)境中存在的問題提供科學依據，其有助于保護生態(tài)環(huán)境，還能為室內環(huán)境的改善提供指導。例如，通過分析室內的溫度、濕度和臭氧濃度以及有機揮發(fā)物濃度，可以評估室內環(huán)境的舒適度和健康影響，進而采取相應的改善措施，從而及時采取措施減少這些有害物質對人體的危害；

2、目前針對于室內環(huán)境數據的質量和完整性的處理方面還存在一定不足，由于環(huán)境數據的質量和完整性對環(huán)境數據分析應用的準確性至關重要，需要更加關注數據的質量和完整性，并采取措施提高數據的可靠性，目前基于機器學習，建立機器學習模型的方法可以有效緩解對于室內環(huán)境數據的處理方面的不足的問題；

3、因此本申請?zhí)岢鲆环N基于機器學習的室內環(huán)境數據分析系統(tǒng)，通過對環(huán)境數據進行系統(tǒng)的分析解決室內環(huán)境存在的問題，從而提高解決室內環(huán)境問題的能力。

技術實現思路

1、本發(fā)明的目的是為了解決現有技術中存在的缺點，而提出的一種基于機器學習的室內環(huán)境數據分析系統(tǒng)。

2、為了實現上述目的，本發(fā)明采用了如下技術方案：

3、一種基于機器學習的室內環(huán)境數據分析系統(tǒng)，包括處理器，所述處理器電性連接有數據采集模塊、數據處理傳輸模塊、數據顯示模塊和報警模塊，所述數據采集模包括溫度傳感器、濕度傳感器、二氧化碳濃度傳感器和甲醛濃度傳感器、臭氧濃度傳感器和多維采集單元，多維采集單元對氣象數據、生態(tài)數據進行采集和收集，提高數據的類型和維度，數據采集的來源基于氣象站數據和研究機構數據。

4、優(yōu)選的：所述數據顯示模塊集成于led顯示屏中，所述處理器和數據采集模塊之采用串行模式進行連接，將數據采集模塊、數據處理傳輸模塊、數據顯示模塊和報警模塊初始化后，進入while循環(huán)依次調用各模塊數據讀取接口。

5、優(yōu)選的：所述報警模塊包括對環(huán)境的變化進行實時監(jiān)測，在數據出現異常變化時如溫度異常、污染物出現超標。

6、優(yōu)選的：所述數據傳輸模塊將采集數據上傳至云端進行備份，利用機器學習模塊對采集數據進行深度學習和分析，機器學習模塊包括數據分篩單元、分析單元、數據融合單元和預測單元。

7、優(yōu)選的：所述數據分篩單元基于自動編碼器對數據進行分篩，將錯位數據和冗長數據進行剔除，并且將數據轉化為有用的格式，提升數據匯入到分析單元內的質量，基于神經網絡對采集數據的關鍵特征進行提取，降低數據的復雜性，簡化對于高維度數據的處理流程，快速找尋處對于室內環(huán)境具有重要意義的特征。

8、優(yōu)選的：所述分析單元基于循環(huán)神經網絡對空氣質量及環(huán)境溫度在某一時間范圍內的變化進行預測，提高人員對于環(huán)境變化的感知和提前應對能力；基于深度學習模型預測室內顆粒物的影響范圍和強度實現對于室內顆粒物的控制，深度學習模型利用線性模型、非線性模型和神經網絡進行構建。

9、優(yōu)選的：所述數據融合單元將室內環(huán)境中的各種數據進行融合，提供更加全面的環(huán)境監(jiān)測。

10、在前述方案的基礎上：所述預測單元對現有的數據進行采集匯總后，基于機器學習模塊對環(huán)境數據的變化提供提前預警。

11、在前述方案的基礎上優(yōu)選的：所述數據采集模塊在對環(huán)境數據進行采集時，需要保證以下采集原則：

12、1：環(huán)境數據需要具有代表性，即保證每個環(huán)境數據具有較好的樣本采集能力；

13、2：數據采集方法需要合理，數據采集時應該保證其采用策略、來源和收集頻率需要滿足需求；

14、3：對每一項采集數據的類型進行標記和分類，真實反應數據的類別，使得機器學習模型在進行學習和分析時保證模式的準確性；

15、4：根據數據的參數的變化調整數據收集策略和流程，提高模型的性能和適用性。

16、在前述方案的基礎上進一步優(yōu)選的：機器學習模塊在對室內環(huán)境數據進行分析時，其分析過程包括以下步驟：

17、s1：對數據進行獲取后進行去重；

18、s2：查看整體數據的類型以及數據缺失的情況；

19、s3：對重復率較高的數據以及不需要進行進入模型的變量進行清除；

20、s4：對變量的類型進行修復，同時對變量數據的處理方式進行劃分。

21、本發(fā)明的有益效果為：

22、1.通過設置有數據采集模塊可以涵蓋各個方面的環(huán)境數據采集，從而保證環(huán)境數據的完整性，從而為環(huán)境數據分析的準確性提供足夠的支撐，通過設置有數據處理模塊對各種環(huán)境數據進行篩分后對數據的準確性和至關重要。

23、2.通過從原始的數據中對于不完整和不準確的數據進行處理刪除，從而確保數據的真實性，同時得以簡化了數據在進行分篩的過程中的流程，從而便于后續(xù)數據分析過程中的重復循環(huán)使用。

24、3.利用數據傳輸模塊在利用機器學習模塊進行學習過程中，其針對于各種數據采取相應的措施，對于重復記錄的數據進行去重，處理數據類型不匹配，對連續(xù)型變量的缺失值進行處理，從而保證數據在出現缺失后可以確保后續(xù)分析的有效進行。

技術特征：

1.一種基于機器學習的室內環(huán)境數據分析系統(tǒng)，包括處理器，其特征在于，所述處理器電性連接有數據采集模塊、數據處理傳輸模塊、數據顯示模塊和報警模塊，所述數據采集模包括溫度傳感器、濕度傳感器、二氧化碳濃度傳感器和甲醛濃度傳感器、臭氧濃度傳感器和多維采集單元，多維采集單元對氣象數據、生態(tài)數據進行采集和收集，提高數據的類型和維度，數據采集的來源基于氣象站數據和研究機構數據。

2.根據權利要求1所述的一種基于機器學習的室內環(huán)境數據分析系統(tǒng)，其特征在于，所述數據顯示模塊集成于led顯示屏中，所述處理器和數據采集模塊之采用串行模式進行連接，將數據采集模塊、數據處理傳輸模塊、數據顯示模塊和報警模塊初始化后，進入while循環(huán)依次調用各模塊數據讀取接口。

3.根據權利要求2所述的一種基于機器學習的室內環(huán)境數據分析系統(tǒng)，其特征在于，所述報警模塊包括對環(huán)境的變化進行實時監(jiān)測，在數據出現異常變化時如溫度異常、污染物出現超標。

4.根據權利要求3所述的一種基于機器學習的室內環(huán)境數據分析系統(tǒng)，其特征在于，所述數據傳輸模塊將采集數據上傳至云端進行備份，利用機器學習模塊對采集數據進行深度學習和分析，機器學習模塊包括數據分篩單元、分析單元、數據融合單元和預測單元。

5.根據權利要求4所述的一種基于機器學習的室內環(huán)境數據分析系統(tǒng)，其特征在于，所述數據分篩單元基于自動編碼器對數據進行分篩，將錯位數據和冗長數據進行剔除，并且將數據轉化為有用的格式，提升數據匯入到分析單元內的質量，基于神經網絡對采集數據的關鍵特征進行提取，降低數據的復雜性，簡化對于高維度數據的處理流程，快速找尋處對于室內環(huán)境具有重要意義的特征。

6.根據權利要求5所述的一種基于機器學習的室內環(huán)境數據分析系統(tǒng)，其特征在于，所述分析單元基于循環(huán)神經網絡對空氣質量及環(huán)境溫度在某一時間范圍內的變化進行預測，提高人員對于環(huán)境變化的感知和提前應對能力；基于深度學習模型預測室內顆粒物的影響范圍和強度實現對于室內顆粒物的控制，深度學習模型利用線性模型、非線性模型和神經網絡進行構建。

7.根據權利要求6所述的一種基于機器學習的室內環(huán)境數據分析系統(tǒng)，其特征在于，所述數據融合單元將室內環(huán)境中的各種數據進行融合，提供更加全面的環(huán)境監(jiān)測。

8.根據權利要求7所述的一種基于機器學習的室內環(huán)境數據分析系統(tǒng)，其特征在于，所述預測單元對現有的數據進行采集匯總后，基于機器學習模塊對環(huán)境數據的變化提供提前預警。

9.根據權利要求8所述的一種基于機器學習的室內環(huán)境數據分析系統(tǒng)，其特征在于，所述數據采集模塊在對環(huán)境數據進行采集時，需要保證以下采集原則：

10.根據權利要求9所述的一種基于機器學習的室內環(huán)境數據分析系統(tǒng)，其特征在于，機器學習模塊在對室內環(huán)境數據進行分析時，其分析過程包括以下步驟：

技術總結
本發(fā)明公開了一種基于機器學習的室內環(huán)境數據分析系統(tǒng)，涉及室內環(huán)境數據分析技術領域；為了提高對于環(huán)境數據分析的效率；具體包括處理器，所述處理器電性連接有數據采集模塊、數據處理傳輸模塊、數據顯示模塊和報警模塊，所述數據采集模包括溫度傳感器、濕度傳感器、二氧化碳濃度傳感器和甲醛濃度傳感器、臭氧濃度傳感器和多維采集單元，多維采集單元對氣象數據、生態(tài)數據進行采集和收集。本發(fā)明通過設置有數據采集模塊可以涵蓋各個方面的環(huán)境數據采集，從而保證環(huán)境數據的完整性，從而為環(huán)境數據分析的準確性提供足夠的支撐，通過設置有數據處理模塊對各種環(huán)境數據進行篩分后對數據的準確性和至關重要。

技術研發(fā)人員：徐釗,周燦旭
受保護的技術使用者：上海智考健康科技有限公司
技術研發(fā)日：
技術公布日：2025/1/2