基于双向反馈融合的室内 CO2 与 PM2.5 行为感知预测

Harshala Gammulle; Lidia Morawska; Sridha Sridharan; Clinton Fookes

基于双向反馈融合的室内 CO2 与 PM2.5 行为感知预测

机器学习 2026-03-10 v1 人工智能

作者: Harshala Gammulle , Lidia Morawska , Sridha Sridharan , Clinton Fookes

摘要

室内空气质量(IAQ) 预测在保障居民健康、确保热力舒适度并支持智能建筑控制方面发挥着关键作用。然而，由于环境因素与高度动态居民行为之间的复杂相互作用，预测碳氧化物(CO2) 和细颗粒物(PM2.5) 等关键污染物的未来浓度仍然具有挑战性。传统数据驱动模型主要依赖历史传感器轨迹，往往无法预判行为引发的排放尖峰或快速浓度变化。为解决这些限制，我们提出了一种双流双向反馈融合框架，联合建模室内环境演化和表示人类活动的行为嵌入。该架构集成了上下文感知调制机制，根据共享的、不断演化的融合状态自适应地对比例放大和偏移每个流，从而实现对行为线索或长期环境趋势的选择性强化。此外，我们引入双尺度时间模块，分别捕获逐渐积累的 CO2 模式和短期 PM2.5 波动。组合损失函数结合加权均方误差、尖峰感知惩罚和不确定性正则化，促进在不稳定室内条件下的稳健学习。在真实世界 IAQ 数据集上的广泛验证表明，我们的方法显著优于最先进的预测基线，同时提供了解释性不确定性估计，对于智能建筑和健康感知监测系统的实际部署至关重要。

关键词

室内空气质量 CO2 预测 PM2.5 预测行为感知建模深度学习

引用

@article{arxiv.2603.06724,
  title  = {Bi Directional Feedback Fusion for Activity Aware Forecasting of Indoor CO2 and PM2.5},
  author = {Harshala Gammulle and Lidia Morawska and Sridha Sridharan and Clinton Fookes},
  journal= {arXiv preprint arXiv:2603.06724},
  year   = {2026}
}

备注

Journal Submission

基于双向反馈融合的室内 CO2 与 PM2.5 行为感知预测

摘要

关键词

引用

备注

相关论文