使用LSTM方法预测环境舱和教室内VOCs的浓度
ID:40 View Protection:ATTENDEE Updated Time:2021-09-20 09:47:36 Hits:342 Oral Presentation

Start Time:2021-12-04 17:20(Asia/Shanghai)

Duration:10min

Session:S3 分会场3 » S3-1室内化学污染—SVOCs污染

No files

Abstract
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。
Keywords
室内环境,挥发性有机物,长短期记忆网络,深度学习
Speaker
张瑞
北京理工大学

Submission Author
张瑞 北京理工大学
熊建银 北京理工大学
Submit Comment
Verify Code Change Another
All Comments
Important Date
  • Conference Date

    Dec 03

    2021

    to

    Dec 05

    2021

  • Sep 15 2021

    Draft paper submission deadline

  • Dec 05 2021

    Registration deadline

Sponsored By
中国环境科学学会室内环境与健康分会
Contact Information
Previous Conferences