[发明专利]基于人体健康信息及空气成分数据的室内植物推荐方法

权利要求书

1.一种基于人体健康信息及空气成分数据的室内植物推荐方法，其特征在于，包括以下步骤：

步骤S1：对室内空气成分分别进行数据采集；

步骤S2：通过人工神经网络模型将采集的数据与现有植物知识库及居住者健康信息进行分析处理，得到推荐结果；

步骤S3：将上述步骤S2中的得到的推荐结果，经一类比方法进行修正优化，包括以下步骤：

步骤S31：实时更新居住者当前健康信息，得到居住者当前健康信息特征向量；

步骤S32：将居住者当前健康信息特征向量与步骤S2中居住者健康信息特征向量进行类比，若居住者当前健康信息相对于步骤S2中居住者健康信息没有差别，则转到步骤S35；若居住者当前健康信息相对于步骤S2中居住者健康信息有差别，则转到步骤S33；

步骤S33：利用居住者当前健康信息特征向量和步骤S2中居住者健康信息特征向量进行类比生成差异向量；

步骤S34：将所述差异向量对步骤S2中的人工神经网络模型进行修正，得到修正后的人工神经网络模型，转到步骤S36；

步骤S35：采用步骤S2中的人工神经网络模型；

步骤S36：通过当前人工神经模型进行得到最终推荐结果；

步骤S4：将步骤S34中得到修正后的人工神经网络模型参数反馈至步骤S2中的人工神经网络模型，更新步骤S2中的人工神经网络模型相应的参数。

2.根据权利要求1所述的一种基于人体健康信息及空气成分数据的室内植物推荐方法，其特征在于，所述步骤S2中的人工神经网络模型的建立，包括以下步骤：

步骤S21：进行人工神经网络的构建，通过系统建模，构建出合适的人工神经网络模型；

步骤S22：利用现有的植物知识库和居住者健康信息对所述人工神经网络模型进行训练，更新模型中相应的权值，得到训练完成的人工神经网络模型，包括以下步骤：

步骤S221：对步骤S21中的人工神经网络进行初始化；

步骤S222：对所述人工神经网络进行训练,若训练完成，则得到训练完成的人工神经网络模型，转到步骤S223；若训练未完成，则更新模型中的相应权值，继续步骤S221；

步骤S223:将步骤S1中的传感器采集模块采集的数据结合数据库中现有的居住者健康信息和现有植物数据库的数据输入步骤S22得到的训练完成的人工神经网络模型，经人工神经网络决策输出推荐结果。

3.根据权利要求1所述的一种基于人体健康信息及空气成分数据的室内植物推荐方法，其特征在于：步骤S1中通过传感器采集模块对室内空气成分进行数据采集，将所采集的数据经一第一无线传输模块输出至一决策模块。

4.根据权利要求1所述的一种基于人体健康信息及空气成分数据的室内植物推荐方法，其特征在于：步骤S2中通过决策模块经一第二无线传输模块接收传感器采集模块所采集的数据，通过人工神经网络模型将采集的数据与现有植物知识库及居住者健康信息进行分析处理，得到推荐结果。

5.一种基于人体健康信息及空气成分数据的室内植物推荐系统，其特征在于：包括一用于采集室内空气成分的传感器采集模块，所述传感器采集模块包括若干个气体传感器、一控制单元、模数转换器和一与所述控制单元连接的第一无线收发模块，所述气体传感器经模数转换器与所述控制单元连接；还包括一微处理器、与所述微处理器相连且与第一无线收发模块相对应的第二无线收发模块和与所述微处理器相连的显示模块，所述微处理器运行有一决策模块和一反馈模块，所述决策模块用于将采集的数据与现有植物知识系统及居住者健康状态数据进行分析处理，所述反馈模块用于不断修正优化所述决策模块输出的推荐植物。

6.根据权利要求5所述的基于人体健康信息及空气成分数据的室内植物推荐系统，其特征在于：所述控制单元为单片机，所述单片机型号为C8051F020。

7.根据权利要求5所述的基于人体健康信息及空气成分数据的室内植物推荐系统，其特征在于：所述微处理器为嵌入式微处理器，所述嵌入式微处理器型号为ARM Cortex-A 8。

8.根据权利要求5所述的基于人体健康信息及空气成分数据的室内植物推荐系统，其特征在于：所述气体传感器为氧传感器、二氧化碳传感器、甲醇传感器、甲醛传感器、苯类有机物传感器、一氧化碳、二氧化硫、VOC挥发有机化合物、负氧离子、硫化氢或灰尘传感器。

9.根据权利要求5所述的基于人体健康信息及空气成分数据的室内植物推荐系统，其特征在于：所述显示模块为液晶屏显示。