一种基于大数据的餐饮油烟预测处理方法及系统

摘要

本发明涉及大数据预测技术领域，公开了一种基于大数据的餐饮油烟预测处理方法及系统。本发明通过在城市区域内设置监测点和在油烟产生地安装油烟监测设备的配合，实时的对油烟产生地油烟气态污染物的浓度情况进行监测。同时，通过设置油烟气态污染物的浓度阈值并实时监测的油烟产生地油烟气态污染物的浓度在用户食物加工时对用户进行提醒。当油烟监测设备在实时监测油烟产生地油烟气态污染物的过程中发现当前油烟产生地油烟气态污染物超过阈值会向该监测设备管理区域内的监测点上报，监测点在接收到来自油烟监测设备的上报信息后，会报警并向系统上报位置信息，有利于相关人员快速确定报警点的位置，提高了餐饮业的安全性。

权利要求

1.一种基于大数据的餐饮油烟预测处理方法，其特征在于，包括以下步骤：S1、基于城市区域设置监测点；

S2、根据各道路设定的监测点的地址基于欧式距离分配各监测点的管理区域；

S3、在基于道路设定的监测点管理区域内安装油烟检测设备；

S4、基于安装的油烟检测设备实时监测道路内油烟产生地的油烟状态情况，所述油烟状态情况包括油烟产生地的二氧化硫的浓度值、油烟散发速率；

S5、油烟检测设备基于实时监测的油烟状况判断当前油烟产生地是否存在隐患；当存在隐患时，实时将监测到的异常数据传输至该检测设备所在管理区域内的监测点；当前油烟产生地二氧化硫的浓度值是超过设定阈值则判断存在隐患；所述异常数据包括监测过程中油烟检测设备监测到当前油烟产生地二氧化硫的浓度值超过阈值而产生的报警信息；

监测点收到来自监测设备的异常数据后会将当前异常数据、监测点的地址信息以及监测设备的地址信息，上传至餐饮油烟预测系统并进行报警处理；

S6、油烟检测设备基于实时监测的油烟状况实时预测当前油烟产生地在设定的下一时刻是否存在隐患；

该步骤S6包括以下步骤：

S61、在加工食物时，基于二氧化硫浓度的变化情况，计算油烟产生地当前的油烟气态污染物浓度；

基于二氧化硫浓度的变化情况，计算油烟产生地当前的油烟气态污染物浓度步骤如下：S611、设定油烟产生地换气频率为a,基于油烟产生地油烟气态污染物质量平衡方程，设定在恒定温度下，油烟气态污染物散发速率为定值；

由质量守恒，油烟产生地油烟气态污染物实时浓度表达式为：           (1)

3

其中，Cin，g(t)为油烟产生地油烟气态污染物在时刻t的实时浓度，mg/m ，Cout为室外油3

烟气态污染物浓度mg/m ，Sg为油烟气态污染物散发速率mg/min，a为换气频率，次/min，V为3

油烟产生地体积m，t为时间，min；

S612、基于油烟产生地油烟气态污染物实时浓度表达式，设定室外空气进入油烟产生地时的室外油烟气态污染物浓度Cout=0；

由公式(1)得，设定初始时刻t=0时，油烟产生地污染物浓度Cin，g(t)=0，t1为初始时刻至当前时刻之间的任意时刻，t2为当前时刻；则t1到t2时间段内，油烟产生地油烟气态污染物的剂量为：     (2)

其中，Cin，g(t)为油烟产生地油烟气态污染物在时刻t的实时浓度，Sg为油烟气态污染物散发速率，a为换气频率，V为油烟产生地体积，t为时间，e为自然对数的底数；

△t时间段内，t2‑t1=△t，油烟产生地油烟气态污染物的平均浓度为：       (3)

散发速率Sg为:

                   （4）

S62、基于实时计算的油烟产生地油烟气态污染物的平均浓度和散发速率预测t3时刻的油烟产生地油烟气态污染物浓度，设定平均浓度不变，预测t3时刻的油烟产生地油烟气态污染物浓度公式为：                    (5)

其中，Cin，gt3预为预测t3时刻的油烟产生地油烟气态污染物浓度，并基于预测的t3时刻的油烟产生地油烟气态污染物浓度进行相应的处理；t3时刻为设定的下一时刻；

所述基于预测的t3时刻的油烟产生地油烟气态污染物浓度进行相应的处理包括设定油烟产生地油烟气态污染物浓度阈值；

当t3时刻油烟产生地油烟气态污染物浓度超出阈值，油烟产生地的食物加工设备在t4时刻停止产生油烟；t4介于t2、t3之间；

S63、基于油烟产生地油烟气态污染物实时浓度表达式，此时油烟产生地油烟气态污染物实时浓度表达式变为：                  （6）

由于油烟产生地饪设备停止产生油烟的时间t=T时刻，此时对应的油烟产生地污染物浓度最大，为Cin,g(t)=CMAX，且Cout=0，将其带入上式得污染物衰减方程：                       （7）其中，Cin，g(t)为油烟产生地油烟气态污染物在时刻t的实时浓度，CMAX为油烟产生地油烟气态污染物最大浓度，a为换气频率，T为油烟产生地停止产生油烟的时刻，T=t4；

基于油烟产生地油烟气态污染物实时浓度表达式，油烟产生地油烟气态污染物散发段表达式：                        (8)S64、基于实时监测的油烟产生地油烟气态污染物实时浓度以及油烟产生地油烟气态污染物散发情况进行相应的处理；

S65、基于对当前实时监测的油烟产生地油烟气态污染物浓度进行健康风险评估，判断当前油烟产生地油烟气态污染物潜在隐患程度。

2.根据权利要求1所述的一种基于大数据的餐饮油烟预测处理方法，其特征在于：所述基于城市区域设置监测点包括：普通监测点和特殊监测点；

S11、在城市区域内，设定城市主干道与非主干道交点处为特殊监测点，非主干道与非主干道交点处为普通监测点；

S12、基于设定的所有监测点，通过设定UID的方式对个监测点进行编号；

S13、基于各监测点的UID编号存储各监测点的地址信息。

3.根据权利要求1所述的一种基于大数据的餐饮油烟预测处理方法，其特征在于：所述根据各道路设定的监测点的地址基于欧式距离分配各监测点的管理区域包括以下步骤：设定该道路内随机一处油烟产生地R的坐标为（xr,yr），该道路内普通监测点坐标为P(x1,y1),该道路与主干道交点的特殊监测点坐标为Q(x2,y2);设油烟产生地与检测点的距离为d；

；

；

当dRP≥dRQ时，该油烟产生地在第一监测点管理范围内，当dRP

4.根据权利要求1所述的一种基于大数据的餐饮油烟预测处理方法，其特征在于：所述基于预测的t3时刻的油烟产生地油烟气态污染物浓度进行相应的处理还包括：会在t4时刻提醒用户。

5.根据权利要求1所述的一种基于大数据的餐饮油烟预测处理方法，其特征在于：所述基于实时监测的油烟产生地油烟气态污染物实时浓度以及油烟产生地油烟气态污染物散发情况进行相应的处理包括：设定油烟产生地油烟气态污染物所需散发时间阈值，基于油烟产生地油烟气态污染物散发段表达式判断多久油烟产生地油烟气态污染物浓度会降低为0；

当油烟产生地油烟气态污染物所需散发时间超过设定阈值，开启油烟产生地换气扇辅助散发；

当油烟产生地油烟气态污染物所需散发时间未超过设定阈值，不做任何处理。

6.根据权利要求1所述的一种基于大数据的餐饮油烟预测处理方法，其特征在于：所述基于对当前实时监测的油烟产生地油烟气态污染物浓度进行健康风险评估包括：油烟产生地健康风险评估；

                             (9)其中，RfCs为参考浓度，为环境中污染物的限制浓度，Ca为实际污染物浓度；

当MOE<1，表示该油烟中化学物质致癌风险高，当1≤MOE<10，表示该油烟中化学物质致癌风险低，当MOE≥10，表示该油烟中化学物质致癌风险忽略不计。

7.根据权利要求1所述的一种基于大数据的餐饮油烟预测处理方法，其特征在于：所述油烟产生地包括各饭店厨房、各住宅的厨房以及各食品加工厂中的一种者多种。

8.一种实现权利要求1‑7任一项所述的基于大数据的餐饮油烟预测处理方法的基于大数据的餐饮油烟预测处理系统，其特征在于：包括区域管理模块、数据库模块以及监测管理模块；

所述区域管理模块用于根据当前城市内的道路分布设定不同的监测点，并接收各监测点的监测信息；

所述监测管理模块用于管理监测设备的新增和删除；

所述数据库用于存储各监测点以及各监测设备的地理位置信息。

9.根据权利要求8所述的基于大数据的餐饮油烟预测处理系统，其特征在于，还包括系统界面，所述系统界面用于提供给管理员用户一个界面进行登录和浏览系统中的信息。

说明书

一种基于大数据的餐饮油烟预测处理方法及系统

技术领域

[0001] 本发明涉及大数据预测技术领域，具体为一种基于大数据的餐饮油烟预测处理方法及系统。

背景技术

[0002] 随着经济的快速发展，餐饮业需求量增加迅速，此外每家每户都离不开食物加工，家庭、食品加工厂、饭店等食物加工地数量庞大。由于在烹调过程中，食用油的油脂在受热后氧化分解脂质发生化学反应，其中间产物或最终产物大多为颗粒物，并且这些颗粒物大多对人体有害。因而，了解烹调油烟产生的颗粒物污染及散发特征，对实现有效控制油烟污染有重要的参考价值。

[0003] 在烹调过程中会造成油烟浓度较高，特别是在门窗关闭或通风不良时，会对整个油烟产生地造成影响。因而，油烟污染已成为影响餐饮业从业人员以及环境污染的潜在危害因素。

[0004] 在CN111340310A通过对收集数据进行筛选，并对筛选后的数据进行训练，以此来预测目标的油烟预测值，但在油烟预测过程中，用户行为，换气频率等都对结果有一定影响，从而降低预测精度，存在一定的局限性；与CN111340310A本发明通过实时测量油烟产地的油烟状态信息，减少了用户行为，换气频率对油烟检测的干扰，并加以预测提高了预测的精度以及实用性。

发明内容

[0005] （一）解决的技术问题

[0006] 针对现有技术的不足，本发明提供了一种基于大数据的餐饮油烟预测处理方法及系统，具备实时性等优点，解决了由于烹调油烟产生的不良影响的问题。

[0007] （二）技术方案

[0008] 为解决上述由于食物加工过程中油烟产生的不良影响的技术问题，本发明提供如下技术方案：

[0009] 一种基于大数据的餐饮油烟预测处理方法，包括以下步骤：

[0010] S1、基于城市区域设置监测点；

[0011] S2、根据各道路设定的监测点的地址基于欧式距离分配各监测点的管理区域；

[0012] S3、在基于道路设定的监测点管理区域内安装油烟检测设备；

[0013] S4、基于安装的油烟检测设备实时监测道路内油烟产生地的油烟状态情况，所述油烟状态情况包括油烟产生地的二氧化硫的浓度值、油烟散发速率；

[0014] S5、油烟检测设备基于实时监测的油烟状况判断当前油烟产生地是否存在隐患；当存在隐患时，实时将监测到的异常数据传输至该检测设备所在管理区域内的监测点，当前油烟产生地二氧化硫的浓度值是超过设定阈值则判断存在隐患；所述异常数据包括监测过程中油烟检测设备监测到当前油烟产生地二氧化硫的浓度值超过阈值而产生的报警信息；

[0015] 监测点收到来自监测设备的异常数据后会将当前异常数据、监测点的地址信息以及监测设备的地址信息，上传至餐饮油烟预测系统并进行报警处理；

[0016] S6、油烟检测设备基于实时监测的油烟状况实时预测当前油烟产生地在设定的下一时刻是否存在隐患。

[0017] 优选地，所述基于城市区域设置监测点包括以下步骤：城市区域设置的监测点包括普通监测点和特殊监测点；

[0018] S11、在城市区域内，设定城市主干道与非主干道交点处为特殊监测点，非主干道与非主干道交点处为普通监测点；

[0019] S12、基于设定的所有监测点，通过设定UID的方式对个监测点进行编号；

[0020] S13、基于各监测点的UID编号存储各监测点的地址信息；

[0021] 优选地，所述基于各道路设定的监测点的地址基于欧式距离分配各监测点的管理区域包括以下步骤：

[0022] 设定该道路内随机一处油烟产生地R的坐标为（xr,yr），该道路内普通监测点坐标为P(x1,y1),该道路与主干道交点的特殊监测点坐标为Q(x2,y2);设油烟产生地与检测点的距离为d；

[0023] ；

[0024] ；

[0025] 当dRP≥dRQ时，该油烟产生地在第一监测点管理范围内，当dRP

[0026] 优选地，所述基于安装的油烟检测设备实时监测道路内油烟产生地的油烟状态情况包括以下步骤：

[0027] 基于二氧化硫浓度的变化情况，计算油烟产生地当前的油烟气态污染物浓度步骤如下：

[0028] S611、设定油烟产生地换气频率为a,基于油烟产生地油烟气态污染物质量平衡方程，设定在恒定温度下，油烟气态污染物散发速率为定值；

[0029] 由质量守恒，油烟产生地油烟气态污染物实时浓度表达式为：

[0030]            (1)

[0031] 其中，Cin，g(t)为油烟产生地油烟气态污染物在时刻t的实时浓度，mg/m3，Cout为室3
外油烟气态污染物浓度mg/m，Sg为油烟气态污染物散发速率mg/min，a为换气频率，次/min，
3
V为油烟产生地体积m，t为时间，min；

[0032] S612、基于油烟产生地油烟气态污染物实时浓度表达式，设定室外空气进入油烟产生地时的室外油烟气态污染物浓度Cout=0；

[0033] 由公式(1)得，设定初始时刻油烟产生地污染物浓度t=0时，Cin，g(t)=0，t1为初始时刻至当前时刻之间的任意时刻，t2为当前时刻；则t1到t2时间段内，油烟产生地油烟气态污染物的剂量为：

[0034]            (2)

[0035] 其中，Cin，g(t)为油烟产生地油烟气态污染物在时刻t的实时浓度，Sg为油烟气态污染物散发速率，a为换气频率，V为油烟产生地体积，t为时间，e为自然对数的底数；

[0036] 从t1到t2（t2‑t1=△t）时间段内，油烟产生地油烟气态污染物的平均浓度为：

[0037]        (3)

[0038] 散发速率Sg为:

[0039]                        （4）

[0040] S62、基于实时计算的油烟产生地油烟气态污染物的平均浓度和散发速率预测t3时刻的油烟产生地油烟气态污染物浓度，设定平均浓度不变，预测t3时刻的油烟产生地油烟气态污染物浓度公式为：

[0041]                       (5)

[0042] 其中，Cin，gt3预为预测t3时刻的油烟产生地油烟气态污染物浓度，并基于预测的t3时刻的油烟产生地油烟气态污染物浓度进行相应的处理；t3时刻为设定的下一时刻；

[0043] 所述基于预测的t3时刻的油烟产生地油烟气态污染物浓度进行相应的处理包括[0044] 设定油烟产生地油烟气态污染物浓度阈值；

[0045] 当t3时刻油烟产生地油烟气态污染物浓度超出阈值，油烟产生地的食物加工设备在t4时刻停止产生油烟；t4介于t2、t3之间；

[0046] S63、当油烟产生地的食物加工设备停止产生油烟时，基于油烟产生地油烟气态污染物实时浓度表达式，此时油烟产生地油烟气态污染物实时浓度表达式变为：

[0047]                   （6）

[0048] 由于油烟产生地饪设备停止产生油烟的时间t=T时刻，此时对应的油烟产生地污染物浓度最大，为Cin,g(t)=CMAX，且Cout=0，将其带入上式可得污染物衰减方程：

[0049]                        （7）

[0050] 其中，Cin，g(t)为油烟产生地油烟气态污染物在时刻t的实时浓度，CMAX为油烟产生地油烟气态污染物最大浓度，a为换气频率，T为油烟产生地污染物停止排放的时间；

[0051] 基于油烟产生地油烟气态污染物实时浓度表达式，油烟产生地油烟气态污染物散发段表达式：

[0052]                         (8)

[0053] S64、基于实时监测的油烟产生地油烟气态污染物实时浓度以及油烟产生地油烟气态污染物散发情况进行相应的处理；

[0054] S65、基于对当前实时监测的油烟产生地油烟气态污染物浓度进行健康风险评估，判断当前油烟产生地油烟气态污染物潜在隐患程度；

[0055] 优选地，所述基于预测的tn时刻的油烟产生地油烟气态污染物浓度进行相应的处理包括：

[0056] 设定油烟产生地油烟气态污染物浓度阈值；

[0057] 当tn时刻油烟产生地油烟气态污染物浓度超出阈值，会在tn时刻前五分钟提醒用户；

[0058] 当tn时刻油烟产生地油烟气态污染物浓度未超出阈值，不做任何处理；

[0059] 优选地，所述基于实时监测的油烟产生地油烟气态污染物实时浓度以及油烟产生地油烟气态污染物散发情况进行相应的处理包括：

[0060] 设定油烟产生地油烟气态污染物所需散发时间阈值，基于油烟产生地油烟气态污染物散发段表达式判断多久油烟产生地油烟气态污染物浓度会降低为0；

[0061] 当油烟产生地油烟气态污染物所需散发时间超过设定阈值，开启油烟产生地换气扇辅助散发；

[0062] 当油烟产生地油烟气态污染物所需散发时间未超过设定阈值，不做任何处理；

[0063] 优选地，所述基于对当前实时监测的油烟产生地油烟气态污染物浓度进行健康风险评估包括：

[0064] 油烟产生地健康风险评估；

[0065]                              (9)

[0066] 其中，RfCs为参考浓度，为环境中污染物的限制浓度，Ca为实际污染物浓度；

[0067] 当MOE<1，表示该油烟中化学物质致癌风险高，当1≤MOE<10，表示该油烟中化学物质致癌风险低，当MOE≥10，表示该油烟中化学物质致癌风险忽略不计；

[0068] 一种实现上述的基于大数据的餐饮油烟预测处理方法的基于大数据的餐饮油烟预测处理系统包括：系统界面、区域管理模块、数据库模块以及监测管理模块；

[0069] 所述系统界面用于提供给管理员用户一个界面进行登录和浏览系统中的信息；

[0070] 所述区域管理模块用于根据当前城市内的道路分布设定不同的监测点，并接收各监测点的监测信息；

[0071] 所述监测管理模块用于管理监测设备的新增和删除；

[0072] 所述数据库用于存储各监测点以及各监测设备的地理位置信息。

[0073] （三）有益效果

[0074] 与现有技术相比，本发明提供了一种基于大数据的餐饮油烟预测处理方法及系统，具备以下有益效果：

[0075] 1、该发明通过在城市区域内设置不同的监测点以及在油烟产生地安装油烟监测装置的配合使系统具有对餐饮油烟预测、处理和防范的功能，提高了现有的油烟安全监测的智能化水平；且基于主干道和非主干道进行监测点的等级划分，更好的满足应急处理的优先程度需求，更加适应城市管理的需求。

[0076] 2、该发明通过实时监测油烟产生地油烟中二氧化硫含量并基于二氧化硫散发程度合理的预测油烟产生地油烟气态污染物的浓度，并基于预测的油烟产生地油烟气态污染物的浓度做出相应的处理以及防护措施，减少了餐饮油烟方面的隐患。且在散发程度和污染物浓度的计算上，基于质量守恒进行了复杂巧妙的推导和计算，更加准确的对油烟污染进行预期，更好的服务于城市油烟防护。

[0077] 3、该发明通过对食物加工停止后的油烟产生地油烟气态污染物浓度的实时监测合理的预测当前油烟产生地油烟气态污染物浓度的散发情况，并基于散发情况安排相应的防范措施，减少了餐饮油烟方面的隐患。本发明还对油烟散发时间进行了计算预测，并给予散发时间的阈值比较，采取相应的措施，决定是否需要开启换气扇，更好的完善了城市的油烟预测处理。

[0078] 4、该发明通过MOE评价法对油烟产生地中存在的油烟气态污染物进行评估并基于评估结果合理的提醒用户，提高了用户安全防范意识；且对致癌等级进行评价，更好的满足市民健康的预警需求。

[0079] 5、本发明创建了相应的基于大数据的餐饮油烟预测处理系统，使得城市管理员可以方便的进行整个城市烟油排放的监测管理，且通过数据采集和界面显示，使得整个城市的烟油排放情况一目了然，并洞察其发展趋势和风险，使得城市管理更加的智能化。

附图说明

[0080] 图1为本发明的餐饮油烟预测处理流程结构示意图。

具体实施方式

[0081] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0082] 本实施例公开一种基于大数据的餐饮油烟预测处理方法，包括以下步骤：

[0083] S1、基于城市区域设置监测点；

[0084] S2、根据各道路设定的监测点的地址基于欧式距离分配各监测点的管理区域；

[0085] S3、在基于道路设定的监测点管理区域内安装油烟检测设备；

[0086] S4、基于安装的油烟检测设备实时监测道路内油烟产生地的油烟状态情况，所述油烟状态情况包括油烟产生地的二氧化硫的浓度值、油烟散发速率；

[0087] S5、油烟检测设备基于实时监测的油烟状况判断当前油烟产生地是否存在隐患；当存在隐患时，实时将监测到的异常数据传输至该检测设备所在管理区域内的监测点，当前油烟产生地二氧化硫的浓度值是超过设定阈值则判断存在隐患；所述异常数据包括监测过程中油烟检测设备监测到当前油烟产生地二氧化硫的浓度值超过阈值而产生的报警信息；

[0088] 监测点收到来自监测设备的异常数据后会将当前异常数据、监测点的地址信息以及监测设备的地址信息，上传至餐饮油烟预测系统并进行报警处理；

[0089] S6、油烟检测设备基于实时监测的油烟状况实时预测当前油烟产生地在设定的下一时刻是否存在隐患。

[0090] 进一步地，所述基于城市区域设置监测点包括以下步骤：城市区域设置的监测点包括普通监测点和特殊监测点；

[0091] S11、在城市区域内，设定城市主干道与非主干道交点处为特殊监测点，非主干道与非主干道交点处为普通监测点；

[0092] S12、基于设定的所有监测点，通过设定UID的方式对个监测点进行编号；

[0093] S13、基于各监测点的UID编号存储各监测点的地址信息；

[0094] 进一步地，所述基于各道路设定的监测点的地址基于欧式距离分配各监测点的管理区域包括以下步骤：

[0095] 设定该道路内随机一处油烟产生地R的坐标为（xr,yr），该道路内普通监测点坐标为P(x1,y1),该道路与主干道交点的特殊监测点坐标为Q(x2,y2);设油烟产生地与检测点的距离为d；

[0096] ；

[0097] ；

[0098] 当dRP≥dRQ时，该油烟产生地在第一监测点管理范围内，当dRP

[0099] 进一步地，所述基于安装的油烟检测设备实时监测道路内油烟产生地的油烟状态情况包括以下步骤：

[0100] 基于二氧化硫浓度的变化情况，计算油烟产生地当前的油烟气态污染物浓度步骤如下：

[0101] S611、设定油烟产生地换气频率为a,基于油烟产生地油烟气态污染物质量平衡方程，设定在恒定温度下，油烟气态污染物散发速率为定值；

[0102] 由质量守恒，油烟产生地油烟气态污染物实时浓度表达式为：

[0103]            (1)

[0104] 其中，Cin，g(t)为油烟产生地油烟气态污染物在时刻t的实时浓度，mg/m3，Cout为室3
外油烟气态污染物浓度mg/m，Sg为油烟气态污染物散发速率mg/min，a为换气频率，次/min，
3
V为油烟产生地体积m，t为时间，min；

[0105] S612、基于油烟产生地油烟气态污染物实时浓度表达式，设定室外空气进入油烟产生地时的室外油烟气态污染物浓度Cout=0；

[0106] 由公式(1)得，设定初始时刻t=0时，油烟产生地污染物浓度Cin，g(t)=0，t1为初始时刻至当前时刻之间的任意时刻，t2为当前时刻；则t1到t2时间段内，油烟产生地油烟气态污染物的剂量为：

[0107]            (2)

[0108] 其中，Cin，g(t)为油烟产生地油烟气态污染物在时刻t的实时浓度，Sg为油烟气态污染物散发速率，a为换气频率，V为油烟产生地体积，t为时间，e为自然对数的底数；

[0109] 从t1到t2（t2‑t1=△t）时间段内，油烟产生地油烟气态污染物的平均浓度为：

[0110]        (3)

[0111] 散发速率Sg为:

[0112]                        （4）

[0113] S62、基于实时计算的油烟产生地油烟气态污染物的平均浓度和散发速率预测t3时刻的油烟产生地油烟气态污染物浓度，设定平均浓度不变，预测t3时刻的油烟产生地油烟气态污染物浓度公式为：

[0114]                       (5)

[0115] 其中，Cin，gt3预为预测t3时刻的油烟产生地油烟气态污染物浓度，并基于预测的t3时刻的油烟产生地油烟气态污染物浓度进行相应的处理；t3时刻为设定的下一时刻；

[0116] 所述基于预测的t3时刻的油烟产生地油烟气态污染物浓度进行相应的处理包括[0117] 设定油烟产生地油烟气态污染物浓度阈值；

[0118] 当t3时刻油烟产生地油烟气态污染物浓度超出阈值，油烟产生地的食物加工设备在t4时刻停止产生油烟；t4介于t2、t3之间；

[0119] S63、当油烟产生地的食物加工设备停止产生油烟时，基于油烟产生地油烟气态污染物实时浓度表达式，此时油烟产生地油烟气态污染物实时浓度表达式变为：

[0120]                   （6）

[0121] 由于油烟产生地饪设备停止产生油烟的时间t=T时刻，此时对应的油烟产生地污染物浓度最大，为Cin,g(t)=CMAX，且Cout=0，将其带入上式可得污染物衰减方程：

[0122]                        （7）

[0123] 其中，Cin，g(t)为油烟产生地油烟气态污染物在时刻t的实时浓度，CMAX为油烟产生地油烟气态污染物最大浓度，a为换气频率，T为油烟产生地污染物停止排放的时间；

[0124] 基于油烟产生地油烟气态污染物实时浓度表达式，油烟产生地油烟气态污染物散发段表达式：

[0125]                         (8)

[0126] S64、基于实时监测的油烟产生地油烟气态污染物实时浓度以及油烟产生地油烟气态污染物散发情况进行相应的处理；

[0127] S65、基于对当前实时监测的油烟产生地油烟气态污染物浓度进行健康风险评估，判断当前油烟产生地油烟气态污染物潜在隐患程度；

[0128] 进一步地，所述基于预测的tn时刻的油烟产生地油烟气态污染物浓度进行相应的处理包括：

[0129] 设定油烟产生地油烟气态污染物浓度阈值；

[0130] 当tn时刻油烟产生地油烟气态污染物浓度超出阈值，会在tn时刻前五分钟提醒用户；

[0131] 当tn时刻油烟产生地油烟气态污染物浓度未超出阈值，不做任何处理；

[0132] 进一步地，所述基于实时监测的油烟产生地油烟气态污染物实时浓度以及油烟产生地油烟气态污染物散发情况进行相应的处理包括：

[0133] 设定油烟产生地油烟气态污染物所需散发时间阈值，基于油烟产生地油烟气态污染物散发段表达式判断多久油烟产生地油烟气态污染物浓度会降低为0；

[0134] 当油烟产生地油烟气态污染物所需散发时间超过设定阈值，开启油烟产生地换气扇辅助散发；

[0135] 当油烟产生地油烟气态污染物所需散发时间未超过设定阈值，不做任何处理；

[0136] 进一步地，所述基于对当前实时监测的油烟产生地油烟气态污染物浓度进行健康风险评估包括：

[0137] 油烟产生地健康风险评估；

[0138]                              (9)

[0139] 其中，RfCs为参考浓度，为环境中污染物的限制浓度，Ca为实际污染物浓度；

[0140] 当MOE<1，表示该油烟中化学物质致癌风险高，当1≤MOE<10，表示该油烟中化学物质致癌风险低，当MOE≥10，表示该油烟中化学物质致癌风险忽略不计；

[0141] 本实施例还公开一种实现上述的基于大数据的餐饮油烟预测处理方法的基于大数据的餐饮油烟预测处理系统包括：系统界面、区域管理模块、数据库模块以及监测管理模块；

[0142] 所述系统界面用于提供给管理员用户一个界面进行登录和浏览系统中的信息；

[0143] 所述区域管理模块用于根据当前城市内的道路分布设定不同的监测点，并接收各监测点的监测信息；

[0144] 所述监测管理模块用于管理监测设备的新增和删除；

[0145] 所述数据库用于存储各监测点以及各监测设备的地理位置信息。

[0146] 尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。