一种基于深度学习的建筑装饰环境有害气体动态监测方法

本发明涉及环境监测技术领域，具体为一种基于深度学习的建筑装饰环境有害气体动态监测方法，包括在建筑模型坐标系内采集温度、湿度、挥发性有机物浓度、二氧化碳浓度、能耗及设备姿态，根据空间拓扑剔除冗余通道形成精简数据流；将精简数据流经时空自编码器提取稠密特征，量化生成查询键值，检索相邻历史特征并拼接为融合特征向量；将融合特征向量与传感节点坐标输入内嵌气体扩散与热传导方程的物理神经网络，预测温度梯度与区域碳当量排放；根据预测、热流仿真、施工进度与材料释放速率计算危害指数场，迭代优化传感节点集合并写入环境镜像体；在环境镜像体中重构耦合场，比对实测值得残差场，异常时更新危害指数场和传感节点集合。