本发明属于空气净化，尤其涉及一种基于神经网络的净化控制方法及系统。
背景技术：
1、对于大型室内场馆来说，例如医院等场所来说，保持空气流通和提供稳定高效的持续空气净化尤其重要。现有的空气净化系统一般是利用若干进气和排气设备，使场馆内部形成气流的对流，并在气流回流管路的上游设置灭菌过滤装置进行灭菌。
2、但随着建筑内部结构越来越复杂，气流在建筑物内部的流动路径也愈发难以预测，因此对于有着较高洁净度需求的场景来说，在气流形成旋涡、回流或死角的空间中的气体难以随着气流被有效净化，因此对于空气中的污染物难以被迅速除去。
3、而现有的空气净化系统往往仅能依据简单的预设模式进行送风，其对于空气的净化的全面性难以保证，净化效果有待提高。
技术实现思路
1、本申请实施例的目的在于提供一种基于神经网络的净化控制方法，旨在解决现有的空气净化系统往往仅能依据简单的预设模式进行送风，其对于空气的净化的全面性难以保证，净化效果有待提高的问题。
2、本申请实施例是这样实现的，提供一种基于神经网络的净化控制方法，所述方法包括：
3、获取由若干空气质量传感器得到的空气质量数据；
4、获取若干新风设备的气体处理量数据，所述新风设备用于将环境中的空气吸收至空气净化设备中进行净化或用于向环境中输出净化后的空气；
5、将所述空气质量数据和所述气体处理量数据同时作为输入层的输入维度，输入到多层感知网络中，所述多层感知网络用于获取空气质量数据和气体处理量数据的相关性；所述多层感知网络还包括输出层，用于基于空气质量目标输出各个新风设备的气体处理量目标；
6、基于所述气体处理量目标，控制各个所述新风设备的实际气体处理量。
7、优选地，所述多层感知网络的输入维度的获取方法为：
8、获取若干新风设备的气体处理量数据，将所述气体处理量数据进行数据归一化并转换为设备输入向量：
9、获取各个空气质量传感器的空气质量数据，将所述空气质量数据进行数据归一化并转换为空气质量向量：
10、所述输入维度为：
11、其中，n为新风设备的数量，m为空气质量传感器的数量。
12、优选地，所述多层感知网络至少含有第一隐藏层和第二隐藏层，所述第一隐藏层的节点数设置为所述第二隐藏层节点数的两倍，所述第一隐藏层和第二隐藏层的激活函数均为relu；
13、所述多层感知网络的输出层的节点数设置为等于所述新风设备的数量。
14、优选地，所述方法还包括：
15、在所述第一隐藏层和所述第二隐藏层之间设置有两个dropout层，以防止所述多层感知网络过拟合；两个所述dropout层均仅应用于前向传播阶段，其丢弃率的设置范围均为0.2~0.4。
16、优选地，所述多层感知网络的训练方法为：
17、构建目标函数，设定所述目标函数为空气质量目标的损失函数，以使得输出的气体处理量目标能够最小化该损失；
18、将所述气体量数据及其所对应的空气质量数据作为历史数据，将所述历史数据作为训练组，基于反向传播方法对所述多层感知网络进行训练，直至达到预设的训练次数要求。
19、优选地，所述多层感知网络的训练方法还包括：
20、基于rmsprop优化器对所述多层感知网络进行梯度下降训练，以优化所其网络参数。
21、优选地，所述历史数据的获取方法还包括：
22、获取噪声数据集，基于所述噪声数据集对所述空气质量数据进行噪声注入和/或偏移处理，得到第一拓展数据集；
23、获取污染物实验数据集，所述污染物实验数据集用于表征人为高污染物突发引入条件下所述空气质量传感器所采集到的数据随时间的变化，得到第二拓展数据集；
24、将所述第一拓展数据集和所述第二拓展数据集作为历史数据集。
25、本申请实施例的另一目的在于，提供一种基于神经网络的净化控制系统，所述系统在运行时，执行如上所述的基于神经网络的净化控制方法的步骤。
26、优选地，所述系统还包括：若干新风设备；所述新风设备包括空气吸入设备和空气排出设备，所述空气吸入设备用于将气体吸入空气净化系统中，所述空气排出设备用于将气体从空气净化系统中排出。
27、本申请实施例提供的一种基于神经网络的净化控制方法，优势在于：传统新风系统为了提高空气净化程度往往仅能采用高强度送风策略，但在这种策略下可能导致局部涡流、循环死角等情况出现，导致实际净化效果并不一定能达到要求，反而还会带来能耗过高等问题。本方案则构建了一种基于神经网络的自适应空气净化调节系统，通过将空气质量检测仪检测到的实际空气质量指标和各个新风设备的气体处理量数据共同作为神经网络的输入维度，从而能够在多维度上分析不同位置处的实际空气质量，与设置在不同位置的新风设备之间的关系，并基于预设的目标空气质量要求，能够使系统自适应地调整各个设备的实际送风量或吸风量，实现自动化精确控制。
1.一种基于神经网络的净化控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于神经网络的净化控制方法，其特征在于，所述多层感知网络的输入维度的获取方法为：
3.根据权利要求1所述的一种基于神经网络的净化控制方法，其特征在于，所述多层感知网络至少含有第一隐藏层和第二隐藏层，所述第一隐藏层的节点数设置为所述第二隐藏层节点数的两倍，所述第一隐藏层和第二隐藏层的激活函数均为relu；
4.根据权利要求3所述的一种基于神经网络的净化控制方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的一种基于神经网络的净化控制方法，其特征在于，所述多层感知网络的训练方法为：
6.根据权利要求5所述的一种基于神经网络的净化控制方法，其特征在于，所述多层感知网络的训练方法还包括：
7.根据权利要求5所述的一种基于神经网络的净化控制方法，其特征在于，所述历史数据的获取方法还包括：
8.一种基于神经网络的净化控制系统，其特征在于，所述系统在运行时，执行如权利要求1至7中任一项所述的基于神经网络的净化控制方法的步骤。
9.根据权利要求8所述的一种基于神经网络的净化控制系统，其特征在于，所述系统还包括：若干新风设备；
