[发明专利]一种建筑工地扬尘浓度预测方法及系统

说明书

本发明公开了一种建筑工地扬尘浓度预测方法，包括以下步骤：在建筑工地内设置多个检测点，获取检测点任一时刻的扬尘浓度数据和环境信息；采用神经网络模型构建建筑工地的扬尘浓度预测初始模型；获取各检测点的多个不同时刻的扬尘浓度数据和环境信息，对各检测点的扬尘浓度数据进行修正，得到各检测点的扬尘浓度修正数据；得到建筑工地的扬尘浓度预测模型；将需要预测的检测点实时的环境信息输入到扬尘浓度预测模型中，即可得到检测点实时的扬尘浓度修正数据，再对扬尘浓度修正数据进行处理，即可得到需要预测的检测点的扬尘浓度预测数据。本发明提供建筑工地扬尘浓度预测方法及系统，根据建筑工地实时的环境信息对建筑工地的扬尘浓度进行预测。

技术领域

本发明涉及建筑工地管理领域。更具体地说，本发明涉及一种建筑工地扬尘浓度预测方法及系统。

背景技术

扬尘是由于地面上的尘土在风力、人为带动及其他带动飞扬而进入大气的开放性污染源，是环境空气中总悬浮颗粒物的重要组成部分。在建筑工地中，主要在扬尘较大的时候通过浇水来实现对扬尘的控制。目前市场上已经有了针对建筑工地所使用的扬尘浓度检测装置，但是没有针对建筑工地扬尘浓度的预测，在环境变化时，不能够提前做准备。

发明内容

本发明的目的是提供一种建筑工地扬尘浓度预测方法及系统，根据建筑工地实时的温度数据、湿度数据、气压数据、风速数据和降雨量数据对建筑工地的扬尘浓度进行预测。

为了实现根据本发明的这些目的和其它优点，提供了一种建筑工地扬尘浓度预测方法，包括以下步骤：

在建筑工地内设置多个检测点，获取所述检测点任一时刻的扬尘浓度数据和环境信息，其中所述环境信息至少包括其对应的所述检测点的温度数据、湿度数据、气压数据、风速数据和降雨量数据；

采用神经网络模型构建建筑工地的扬尘浓度预测初始模型；

获取各所述检测点的多个不同时刻的所述扬尘浓度数据和所述环境信息，对各所述检测点的所述扬尘浓度数据进行修正，得到各所述检测点的扬尘浓度修正数据；

以各所述检测点的所述扬尘浓度修正数据作为期望输出，所述环境信息作为输入样本对所述扬尘浓度预测初始模型进行训练，得到建筑工地的扬尘浓度预测模型；

将需要预测的所述检测点实时的所述环境信息输入到所述扬尘浓度预测模型中，即可得到所述检测点实时的扬尘浓度修正数据，再对所述扬尘浓度修正数据进行处理，即可得到需要预测的所述检测点的扬尘浓度预测数据。

优选的是，所述的一种建筑工地扬尘浓度预测方法中，对各所述检测点的所述扬尘浓度数据进行修正时，包括以下步骤：

根据所述检测点的扬尘主要来源，对所述扬尘浓度数据进行第一次处理：

W₁ = A W₀

上式中，W₁ 为对所述扬尘浓度数据进行第一次处理后得到的数据；W₀为所述扬尘浓度数据；A为第一修正系数；

根据所述检测点的施工阶段，对W₁进行修正：

W₂ = B W₁

上式中，W₂ 为所述检测点修正后的数据；B为第二修正系数。

优选的是，所述的一种建筑工地扬尘浓度预测方法中，所述第一修正系数的计算方法如下：

取同一段时间内多个不同时刻各所述检测点的扬尘浓度数据并计算其平均值，选择多个中数值最小的为，则

A =

优选的是，所述的一种建筑工地扬尘浓度预测方法中，所述第二修正系数的计算方法如下：

取各所述检测点各施工阶段时多个不同时刻的扬尘浓度数据并计算其平均值，选择多个中数值最小的为，则

B =