第十届中国环境科学学会室内环境与健康分会学术年会

67 / 2021-06-18 08:48:31

使用LSTM方法预测环境舱和教室内VOCs的浓度

室内环境,挥发性有机物,长短期记忆网络,深度学习

预测室内污染物浓度的能力是智慧家居必不可少的功能。本文提出了一个长期短期记忆网络（LSTM）模型，以预测不同室内环境中挥发性有机物（VOC）的浓度。使用LSTM模型预测了环境舱中软体家具释放的8种VOC的浓度和教室中臭氧/角鲨烯反应而产生的6-甲基-5-庚-2-酮（6-MHO）和4-氧戊醛（4-OPA）的浓度，均得到满意的效果。对比分析表明，LSTM 模型优于浅层机器学习的人工神经网络（ANN）模型。本文方法不需要建立复杂的物理/化学模型和测量各种关键参数，而是建立一个学习网络，并根据实际情况调整学习参数，有望用于预测各种室内环境中的污染物传输过程。