第十一届全国室内环境与健康大会

44 / 2023-04-24 19:44:36

基于注意力的LSTM方法对室内VOC浓度的预测研究

室内环境；挥发性有机物；长短期记忆网络；注意力机制；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。本文提出了一个基于注意力的长期短期记忆网络（LSTM-ATTENTION）模型，以预测室内环境中挥发性有机物（VOC）的浓度。通过特征相关性分析和重要性分析对模型的输入特征进行选择，同时用机器学习方法证明了换气率是影响住宅中VOC浓度的重要因素。我们将搭建的两种深度学习模型用于住宅中VOC浓度的预测，对比分析表明，在预测室内VOC浓度方面，基于注意力的LSTM模型的预测性能明显优于LSTM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。