.jpg)
[口头报告]使用LSTM方法预测环境舱和教室内VOCs的浓度
使用LSTM方法预测环境舱和教室内VOCs的浓度
编号：40
稿件编号：67 访问权限：仅限参会人
更新：2021-09-20 09:47:36 浏览：506次
口头报告
报告开始：2021年12月04日 17:20 （Asia/Shanghai）
报告时间：10min
所在会议：[S3] 分会场3 » [S3-1] 室内化学污染—SVOCs污染
暂无文件
摘要
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。
关键字
室内环境,挥发性有机物,长短期记忆网络,深度学习
报告人
发表评论