具体实施方式

下面结合附图和具体实施方式，对本发明作进一步说明。

如图1所示，为本发明的一种甲醛监测系统100，包括云服务器110、甲醛监测仪120、智能终端130。所述甲醛采监测仪120通过网络通与云服务器110连接，用于将采集到的甲醛数据通过网络传输到云服务器110；所述云服务器110通过网络与智能终端130连接，用于将接收到的甲醛监测仪120传输的数据进行存储和分析后传送给智能终端130显示。

甲醛监测仪120可以通过以太网模块、WIFI模块或5G模块等网络通信模块接入互联网后连接云服务器110。本实施例中，采用WIFI模块接入互联网。

云服务器110申请阿里云服务器或腾讯云服务器等云计算厂商提供的云服务器租用业务。所述智能终端设备130包括手机、平板电脑等设备。每一个甲醛监测仪120有一个唯一的ID。使用时，根据甲醛监测仪的ID，通过智能终端设备130的微信小程序来绑定甲醛监测仪120。本实施例中，甲醛监测仪的ID根据微控制器的序列号来生成。

如图1所示，所述云服务器110包括数据采集通信服务单元111，用于与甲醛监测仪120进行通信，接收甲醛监测仪120检测到的空气中甲醛浓度值，并将数据存储在数据库中。数据智能分析单元112，用于对所述甲醛监测仪检测到的存储在数据库的历史数据通过智能演算得出所述甲醛监测仪120所在监测点的空气中未来甲醛浓度值的趋势。智能终端通信服务单元113，用于与智能终端130设备进行通信，将所述甲醛监测仪120检测到的实时的甲醛浓度值或智能分析单元112预测的未来浓度值传送给智能终端设备113。

所述数据智能分析单元112包括：家装模式趋势预测模块和居家模式趋势预测模块；所述家装模式趋势预测模块用于预测家装完成后的环境，依据气体扩散方程，结合甲醛监测仪120检测到的历史数据，以预测需多久时间能达到入住标准，并通过智能终端130建议用户多少时间后入住；居家模式趋势预测模块，用于根据甲醛监测仪120检测到的历史数据，对甲醛监测仪120监测点未来一段时间的变化趋势进行预测，并通过智能终端130提醒用户。

根据最新标准的要求甲醛浓度值为每小时均值不超过0.1mg/m³为安全的居住环境。

(一)、家装模式预测原理及基本方法：扩散方程+时间序列预测模型。

家装模式主要针对房屋装修后、入住前，其特点为：无人居住，人为干扰因素小，而对于新装修的房屋，人们主要采取开窗通风的方式来排出室内有害气体，利用大气的对流混合作用对有害物的扩散稀释能力。因此决定采用对流扩散方程刨析有害气体浓度变化情况，同时采用时间序列预测模型，对有害气体从有害源排放到室内空气中而后排到室外的扩散过程，进行时间预测。▲计算简述：产品仪器可检测到的数据：室内甲醛物浓度(单位：mg/m³)温度(单位：℃)湿度(单位：％)时间(详至年月日时分秒)。

1、对流扩散方程

对流扩散方程表征了流动系统的质量传递规律，求解此方程可得出浓度分布。此方程系通过对系统中某空间微元体进行物料衡算而得。对于双组分系统，A组分流入某微元体的量，加上在此微元体内因化学反应生成的量，减去其流出量,即为此微元体中组分A的积累量。考虑到组分A进入和离开微元体均由扩散和对流两种作用造成,而扩散通量是用斐克定律，如图4所表述的，于是可得如下的对流扩散方程：

符号注释：

1、D_AB为分子扩散系数。

2、r_A为单位时间单位体积空间内因化学反应生成组分A的量，室内家装有害物含量初始总和为固定值不是变化值，r_A＝0。

3、C_A为测得环境中危害气体的质量浓度其数值可通过我们的仪器可测的

4、τ为测量时间大小。

5、u_x、u_y和u_z分别为流速u右手坐标系x、y、z方向分量数值。

大气进入室内形成由于室内的通风区域及通风方向是随机的，因此导致大气在室内会形成一个个小的湍流。形成湍流意味着气体流速放缓，在x、y、z方向趋于相等，则将后台实时导入的风速V进行分解即可得到数值进行一段时间测量(小程序第一次检测到浓度有变化后记录此时时刻和最后一次测量记录时刻差值为测量时间τ)根据扩散方程中除D_AB以外的量均为已知量最后可算出空间分子扩散系数D_AB根据此系数和当时的浓度间差可以判断出相对于标准浓度所需自然扩散最长时间，则可推出入住时间。

2、时间序列模型

简述：时间序列是指把某一变量在不同时间上的数值按时间先后顺序排列起来所形成的序列，它的时间单位可以是分、时、日、周、旬、月、季、年等。时间序列模型就是利用时间序列建立的数学模型，它主要被用来对未来进行短期预测，属于趋势预测法。

(二)、居家模式预测原理及基本方法：线性关系方程+BP神经网络数学模型

居家模式主要针对人们日常室内环境，居家模式中甲醛监测仪的功能有：有害气体实时检测实时汇报和一周有害物数值预报。

方法包括：其中针对此模式功能二预测方面我们经过大量实验及数据处理得到如下预报算法：基于长期实时监测数据上传产生大数据，采用两算法结合，首先可将未来数据源带回原测数据库进行比对，数据预测采用室内外双条线相互纠正原理，同时采取BP神经网络数学算法，将实测数据进行深度学习，结合室外线的温湿度值预测有害气体值，两者结合最后返还精准的预测数据

计算过程：产品仪器可检测到的数据：室内甲醛物浓度ρ(单位：mg/m³)温度T(单位：℃)湿度RH(单位：％)时间t(详至年月日时分)。

1、室内外双条线相互纠正

室内线：实验表明室内的甲醛排放与温度成促进趋势，升高1℃甲醛浓升高约15％-30％，经大量实验考虑误差值最终确定相关温度公式1：

Δρ₁＝ΔT*18％ρ (1)

湿度成促进趋势，湿度值升高1％，甲醛浓度升高约为0.5％最终确定相关湿度公式1：

Δρ₂＝ΔRH*0.5％ρ (2)

由此综合得到预测值：

ρ′＝ρ+Δρ₁+Δρ₂ (3)

室外线：引入天气预报的数据可以得到未来每时的室外温度和湿度，实时检测到的室内外温差和湿度差(得到温差实时矫正)，得到温度和湿度的预估变化，用公式ρ′＝ρ+Δρ₁+Δρ₂可算出预测得未来数据。

注：经大量实验考虑误差值的比对将18％与0.5％设为初期值，当对一用户有一定数量检测数据后，将预测数据源带回原测数据库进行比对，对于18％和0.5％进行校正使得预测更精准

根据检测实体已采集的有害气体浓度量与环境相关量，采用BP神经网络算法深度学习已实测得的有害气体浓度量与环境间关系，可构建出针对每一位用户其特有的室内环境产生特有的神经网络，从而达到精准预测模型。

如图2所示，为本发明的甲醛监测仪的组成结构图，所述甲醛监测仪120包括：数据采集单元121，用于定期通过甲醛气敏传感器采集空气中甲醛浓度值；数据缓存单元122，用于存储在断网时传送失败的甲醛浓度值；数据通信单元123，用于将定期采集到的空气中的所述甲醛浓度值通过网络模块传送给云服务器110，或者在网络连通时检查是否有缓存的甲醛浓度值，若有则将缓存的甲醛浓度值传送给云服务器112。

数据采集单元121包括：温湿度传感器、甲醛气敏传感器和数据采集程序；数据缓存单元122包括EEPROM存储器及存储管理程序；数据通信单元123包括：网络模块和网络通信程序。所述数据采集程序、存储管理程序和网络通信程序运行在微控制器(MCU，即单片机)中。所述网络模块使用WIFI网络模块ESP8266。

根据应用情况，综合考虑网络通信及系统运行效果。系统运行时，甲醛监测仪130每隔10s采集一次数据传送到云服务器110端。也可以每秒或每2秒采集1次数据，然后每10s求平均值后，传送到云服务器110，进一步提高检测的精度而不影响云服务器110性能，减少服务器负担。

本实施例中，甲醛监测仪的ID根据微控制器的序列号来生成。

如图3所示，为本发明甲醛监测方法的流程图，包括：

S1、甲醛监测仪120通过网络与云服务器110连接，将采集到的甲醛数据通过网络传输到云服务器110。

S2、所述云服务器110通过网络与智能终端设备130连接，将接收到的甲醛监测仪120传输的数据进行存储和分析。

S3、所述云服务器110将存储和分析的甲醛监测仪120采集到的数据传送给智能终端设备130显示。

所述甲醛监测仪120定期通过甲醛气敏传感器采集空气中甲醛浓度值。甲醛监测仪120每10s采用一次数据。

所述甲醛监测仪120将定期采集到的空气中的所述甲醛浓度值通过网络传送给云服务器110，在甲醛监测仪120采集数据后，立即通过网络传送给云服务器110。

所述甲醛监测仪120存储断网导致传送失败的甲醛浓度值，并在网络连通时将缓存的甲醛浓度值传送给云服务器110。在传送数据的过程中，如果断网或者数据传送失败，甲醛监测仪120会将数据缓存在存储芯片或微控制器自带的存储器中。

所述云服务器110接收甲醛监测仪120检测到的空气中甲醛浓度值，并将数据存储在数据库中；

所述云服务器110对所述甲醛监测仪110检测到的存储在数据库的历史数据通过智能演算得出所述甲醛监测仪所在监测点的空气中未来甲醛浓度值的趋势；

智能终端通信服务单元113与智能终端设备130进行通信，将所述甲醛监测仪120检测到的实时的甲醛浓度值或预测的未来浓度值传送给智能终端设备130。所述云服务器112分为家装模式趋势预测模块和居家模式两种模式进行趋势预测；所述家装模式预测家装完成后的环境，依据气体扩散方程，结合甲醛监测仪120检测到的历史数据，以预测需多久时间能达到入住标准，并通过智能终端130建议用户多少时间后入住；所述居家模式，根据甲醛监测仪120检测到的历史数据，对甲醛监测仪120监测点未来一段时间的变化趋势进行预测，并通过智能终端130提醒用户。

所述智能演算分为：居家模式和家装模式。所述家装模式预测原理及基本方法：扩散方程+时间序列预测模型。所述居家模式预测原理及基本方法：线性关系方程+BP神经网络数学模型。具体原理及实现方法在一种甲醛监测系统的实施例中已详细描述。

所述甲醛监测仪120包括：数据采集单元121，用于定期通过甲醛气敏传感器采集空气中甲醛浓度值；数据缓存单元122，用于存储在断网时传送失败的甲醛浓度值；数据通信单元123，用于将定期采集到的空气中的所述甲醛浓度值通过网络模块传送给云服务器110，或者在网络连通时检查是否有缓存的甲醛浓度值，若有则将缓存的甲醛浓度值传送给云服务器112。数据采集单元121包括：温湿度传感器、甲醛气敏传感器和数据采集程序；数据缓存单元122包括EEPROM存储器及存储管理程序；数据通信单元123包括：网络模块和网络通信程序。所述数据采集程序、存储管理程序和网络通信程序运行在微控制器(MCU，即单片机)中。所述网络模块使用WIFI网络模块ESP8266。

每一个甲醛监测仪有一个唯一的ID，所述智能终端设备130定期与云服务器112通信以获取最新的指定ID的监测仪120传送的实时甲醛浓度值及云服务器智能分析的趋势预测值。

本发明通过手机端查看历史数据和实时数据，不仅信息更丰富而且突破距离限制，无屏胜有屏。同时，实时不间断监测室内甲醛气体含量，更符合国家标准。依据气体扩散方程，采用时间序列预测模型等方法，进行预测。能够看到未来走势以及对家装入住时间的预测。

以上结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。