[发明专利]一种基于物联网的室内空气含菌量检测分析方法及系统

权利要求书

1.一种基于物联网的室内空气含菌量检测分析方法，其特征在于：包括以下步骤：

步骤S1、利用均匀遍布在室内空间中菌株检测装置实时采集得到的室内空气含菌量表征数据作为预测样本，并基于所述预测样本预测未来时刻的空气含菌量表征数据以掌握室内空气含菌量表征数据的发展趋势；

步骤S2、基于未来时刻空气含菌量表征数据对未来时刻的室内空气含菌量的采集频率进行自适应调整，以使得菌株检测装置在未来时刻对室内空气含菌量表征数据进行分频段监测实现对菌株检测装置中采集线程的采集频率进行合理配置来匹配室内空气含菌量水平对有效/无效数据的采集需求，其中，所述自适应调整为控制菌株检测装置对空气含菌量水平高的室内进行高频率的空气含菌量表征数据采集，以及对空气含菌量水平低的室内进行低频率的空气含菌量表征数据采集以分别去除无效数据的冗余性和保留有效数据的多样性；

步骤S3、基于所述未来时刻的室内空气含菌量的采集频率对未来时刻的室内空气含菌量表征数据进行阶段性采集，循环执行步骤S1和步骤S2，实现对室内空气的全时段分频监测。

2.根据权利要求1所述的一种基于物联网的室内空气含菌量检测分析方法，其特征在于：所述实时采集室内空气含菌量表征数据作为预测样本，包括：

设定初始采集频率f₀，所述初始采集频率表征为单位时间内的采集室内空气含菌量表征数据的个数；

基于初始采集频率f₀对室内空气含菌量进行采集得到一组具有时序属性的空气含菌量表征数据所述时序属性是表征为空气含菌量表征数据的采集时刻，其中，表征为第i个采集时刻采集到的空气含菌量表征数据，t_i表征为第i个采集时刻，i为计量常数，无实质含义，n为采集时刻的总数目；

将一组具有时序属性的空气含菌量表征数据依时序属性链接为一组预测样本

3.根据权利要求2所述的一种基于物联网的室内空气含菌量检测分析方法，其特征在于：所述基于所述预测样本预测未来时刻的空气含菌量表征数据，包括：

将一组预测样本输入至LSTM神经网络预测得到在未来时刻处的空气含菌量表征数据其中，表征为未来时刻的空气含菌量表征数据，t_n+1表征为未来时刻。

4.根据权利要求3所述的一种基于物联网的室内空气含菌量检测分析方法，其特征在于：所述基于未来时刻空气含菌量表征数据对未来时刻的室内空气含菌量的采集频率进行自适应调整，包括：

设定判定空气含菌量等级的含菌量阈值，并将未来时刻处的空气含菌量表征数据与含菌量阈值比较，其中，

当空气含菌量表征数据大于等于含菌量阈值，则预测在未来时刻t_n+1处的空气含菌量高，对未来时刻t_n+1处的空气含菌量的采集频率在初始采集频率f₀的基础上进行自适应调整；

当空气含菌量表征数据小于含菌量阈值，则预测在未来时刻处的空气含菌量低，对未来时刻t_n+1处的空气含菌量的采集频率在初始采集频率f₀的基础上进行自适应调整。

5.根据权利要求4所述的一种基于物联网的室内空气含菌量检测分析方法，其特征在于：所述对未来时刻t_n+1处的空气含菌量的采集频率在初始采集频率f₀的基础上进行自适应调整，包括：

当在未来时刻t_n+1处的空气含菌量高，则将未来时刻t_n+1处的空气含菌量的采集频率自适应调整为

当在未来时刻t_n+1处的空气含菌量低，则将未来时刻t_n+1处的空气含菌量的采集频率自适应调整为其中，A表征为常数系数。