基于大数据的空气净化方法、装置、电子设备及存储介质与流程

本技术涉及数据处理，尤其涉及一种基于大数据的空气净化方法、装置、电子设备及存储介质。

背景技术：

1、随着科学技术的发展，人们对于生活质量的要求逐渐提高，空气净化器等能够有效提高空气清洁度的产品应运而生。在相对封闭的空间中，空气污染物的释放具有持久性和不确定性的特点，使用空气净化器是改善室内空气质量的有效方法之一，对于保障人们健康、提高生活质量具有重要意义。空气净化器可以应用于居家、医疗、工业等多个领域。

2、相关技术中，一般在空气净化器中设置多个传感器，并预先设置空气污染物的浓度阈值，在传感器检测到的浓度超出浓度阈值的时候，调用对应的净化方式进行空气净化。但是目前的空气净化方法较为单一，导致整体的净化效果较差。

技术实现思路

1、本技术旨在提供一种基于大数据的空气净化方法、装置、电子设备及存储介质，能够提升整体的净化效果。

2、根据本技术的一方面，提出一种基于大数据的空气净化方法，包括：

3、获取多个空气净化器检测的室内空气数据和多个关联传感器检测的环境传感数据，并根据室内空气数据和环境传感数据，确定实际空气质量变化趋势；

4、根据实际空气质量变化趋势，确定初始空气污染物浓度、最高污染物浓度以及空气质量变化属性，以根据初始空气污染物浓度、最高污染物浓度以及空气质量变化属性，确定当前环境中的整体空气质量；

5、根据实际空气质量变化趋势、室内空气数据和环境传感数据，确定污染源和对应的污染源类型；

6、根据预设距离范围内的空气影响数据、整体空气质量、污染源和污染源类型，确定目标净化方式。

7、根据一些实施例，根据室内空气数据和环境传感数据，确定实际空气质量变化趋势，包括：

8、根据预设的统计分析方式和室内空气数据，确定第一变化趋势；

9、根据预设的变化趋势确定模型和环境传感数据，确定第二变化趋势；

10、根据预设的数据检查差异、第一变化趋势和第二变化趋势，确定实际空气质量变化趋势。

11、根据一些实施例，根据实际空气质量变化趋势，确定初始空气污染物浓度、最高污染物浓度以及空气质量变化属性，包括：

12、获取当前环境下的关键时间点；

13、从实际空气质量变化趋势中提取关键时间点对应的污染物浓度数据；

14、根据预设的有效数据选取方式，将污染物浓度数据中的第一个有效数据点确定为初始空气污染物浓度；

15、在实际空气质量变化趋势中提取最高污染物浓度；

16、根据污染物浓度数据，确定空气质量变化属性。

17、根据一些实施例，根据污染物浓度数据，确定空气质量变化属性，包括：

18、基于关键时间点，对污染物浓度数据进行阶段数据分析，以确定浓度变化速率、浓度波动信息；

19、根据预设的属性阈值、浓度变化速率和浓度波动信息，确定空气质量变化属性。

20、根据一些实施例，根据初始空气污染物浓度、最高污染物浓度以及空气质量变化属性，确定当前环境中的整体空气质量，包括：

21、基于预设的空气质量标准、初始空气污染物浓度和最高污染物浓度，确定当前环境下的污染物浓度的超标信息；

22、根据超标信息和空气质量变化属性，确定整体空气质量。

23、根据一些实施例，还包括：

24、获取当前环境的位置数据和布局信息；

25、根据布局信息，确定不同空气污染物的流动性质；

26、根据位置数据和流动性质，设置预设距离范围。

27、根据一些实施例，根据实际空气质量变化趋势、室内空气数据和环境传感数据，确定污染源和对应的污染源类型，包括：

28、根据预设的数据分析方式，对实际空气质量变化趋势、室内空气数据和环境传感数据进行数据处理，以确定空气质量变化的关键特征和异常点；

29、根据实际空气质量变化趋势、关键特征和异常点，确定污染源和污染源的基础来源方向；

30、根据基础来源方向和实际空气质量变化趋势，确定污染源类型。

31、根据本技术的一方面，提出一种基于大数据的空气净化装置，包括：

32、变化趋势确定模块，用于获取多个空气净化器检测的室内空气数据和多个关联传感器检测的环境传感数据，并根据室内空气数据和环境传感数据，确定实际空气质量变化趋势；

33、空气质量确定模块，用于根据实际空气质量变化趋势，确定初始空气污染物浓度、最高污染物浓度以及空气质量变化属性，以根据初始空气污染物浓度、最高污染物浓度以及空气质量变化属性，确定当前环境中的整体空气质量；

34、类型确定模块，用于根据实际空气质量变化趋势、室内空气数据和环境传感数据，确定污染源和对应的污染源类型；

35、净化方式确定模块，用于根据预设距离范围内的空气影响数据、整体空气质量、污染源和污染源类型，确定目标净化方式。

36、可选地，变化趋势确定模块在根据室内空气数据和环境传感数据，确定实际空气质量变化趋势的情况下，具体用于：

37、根据预设的统计分析方式和室内空气数据，确定第一变化趋势；

38、根据预设的变化趋势确定模型和环境传感数据，确定第二变化趋势；

39、根据预设的数据检查差异、第一变化趋势和第二变化趋势，确定实际空气质量变化趋势。

40、可选地，空气质量确定模块在根据实际空气质量变化趋势，确定初始空气污染物浓度、最高污染物浓度以及空气质量变化属性的情况下，具体用于：

41、获取当前环境下的关键时间点；

42、从实际空气质量变化趋势中提取关键时间点对应的污染物浓度数据；

43、根据预设的有效数据选取方式，将污染物浓度数据中的第一个有效数据点确定为初始空气污染物浓度；

44、在实际空气质量变化趋势中提取最高污染物浓度；

45、根据污染物浓度数据，确定空气质量变化属性。

46、可选地，空气质量确定模块在根据污染物浓度数据，确定空气质量变化属性的情况下，具体用于：

47、基于关键时间点，对污染物浓度数据进行阶段数据分析，以确定浓度变化速率、浓度波动信息；

48、根据预设的属性阈值、浓度变化速率和浓度波动信息，确定空气质量变化属性。

49、可选地，空气质量确定模块在根据初始空气污染物浓度、最高污染物浓度以及空气质量变化属性，确定当前环境中的整体空气质量的情况下，具体用于：

50、基于预设的空气质量标准、初始空气污染物浓度和最高污染物浓度，确定当前环境下的污染物浓度的超标信息；

51、根据超标信息和空气质量变化属性，确定整体空气质量。

52、可选地，基于大数据的空气净化装置还包括范围设置模块，用于：

53、获取当前环境的位置数据和布局信息；

54、根据布局信息，确定不同空气污染物的流动性质；

55、根据位置数据和流动性质，设置预设距离范围。

56、可选地，类型确定模块具体用于：

57、根据预设的数据分析方式，对实际空气质量变化趋势、室内空气数据和环境传感数据进行数据处理，以确定空气质量变化的关键特征和异常点；

58、根据实际空气质量变化趋势、关键特征和异常点，确定污染源和污染源的基础来源方向；

59、根据基础来源方向和实际空气质量变化趋势，确定污染源类型。

60、根据本技术的一方面，提出一种电子设备，该电子设备包括：处理器；存储器，存储有计算机程序，当计算机程序被处理器执行时，使得处理器执行如上文的基于大数据的空气净化方法。

61、根据本技术的一方面，提出一种非瞬时性计算机可读介质，其上存储有可读指令，当指令被处理器执行时，使得处理器执行如上文中的基于大数据的空气净化方法。

62、应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本技术。

63、通过本技术所提供的上述实施例，通过大数据分析和机器学习技术，能够精准识别污染源及其类型，从而采取针对性的净化措施，有效提升空气净化效率。避免了传统空气净化方法中“一刀切”的净化方式，减少了不必要的能耗和净化剂浪费。根据实际空气质量变化趋势和污染源的变化，动态调整净化策略，确保室内空气质量始终处于良好状态。特别是在面对突发污染源或空气质量急剧恶化时，能够迅速响应，有效保障室内人员的健康。通过精准识别污染源和动态调整净化策略，避免了不必要的能源消耗和排放，符合绿色、低碳的发展理念。同时，智能化的空气净化管理也有助于提高人们的环保意识，促进绿色生活方式的形成。