[发明专利]一种室内环境舒适度评价方法

说明书

技术领域

本发明涉及室内环境舒适度的评价方法。

背景技术

随着人们生活水平的不断提高，人们对室内环境的舒适性要求也越来越高。室内 环境的舒适度大多从热舒适度方面考量，并制定了室内热环境评价与测量的标准化方法 ISO7730，在IS07730标准中采用了PMV-PPD指标描述和评价热环境。PMV指数为处于热环境 中的群体对于热感觉的平均值，PPD指数为对于热环境不满意的人数百分数。影响PMV-PPD 指标的六个因素中有四个环境参数(干球温度、相对湿度、黑球温度、微风速)和两个人体参 数(穿衣指数、新陈代谢率)。根据以上六个参数可以计算出PMV和PPD值，并且ISO7730中给 出了明确的计算公式，但该方法并没有考虑空气环境、光环境和声环境等的影响。

在室内环境舒适度评价模型方面，目前经常采用智能算法，如基于神经网络的综 合评价模型，该模型有着自适应性和学习能力强的特点,但也存在着网络结构选择困难、过 学习以及很难保证全局最优等问题,不利于辨识模型的建立和泛化应用。基于模糊理论的 评价模型,利用最大隶属度函数和模糊评判矩阵来完成综合评价，但模糊理论有着它致命 的缺陷,即由各专家确定的各指标权重带有一定的主观性,不符合科学性的原则,并且在某 些情况下,隶属函数的确定有着一定的困难。基于支持向量机(SupportVectorMachines, SVM)的模型，它是一种基于统计学习理论中的VC维理论和结构风险最小化原理上提出的一 种新型机器学习方法,该模型能够保证找到的极值解其实就是全局的最优解。因此,此模型 能够较好地解决小样本、高维数和非线性的问题,具有全局最优、结构简单、泛化(推广)能 力强等优点。

发明内容

为解决上述技术问题，本发明的目的是提供一种能综合表征热环境、空气质量环 境、声和光环境的室内舒适度智能评价方法。

本发明的目的通过以下的技术方案来实现：

一种室内环境舒适度评价方法，该方法包括：

采集室内环境参数，所述环境参数包括温湿度、风速、空气质量、噪声和光照参数；

将室内环境参数作为输入、检测到的生理参数作为输出，利用ε-SVM进行模型训 练；

通过训练好的ε-SVM模型进行舒适度在线评价。

与现有技术相比，本发明的一个或多个实施例可以具有如下优点：

是将传感器采集到的温湿度、风速、空气质量、噪声和光照等环境参数作为输入参 量，利用实验得到生理参数作为输出训练ε-SVM模型，利用训练得到的ε-SVM模型即可得到 综合的室内环境舒适度值。本发明以人的生理感受为评价标准，得到的舒适度，综合考量了 热环境、空气质量环境、声环境和光环境等因素的影响，具有良好的实用性。

附图说明

图1是本发明提供的环境参数检测系统示意图；

图2是本发明提供的室内环境舒适度评价流程图；

图3是本发明的手部平均温度与舒适度的实际、拟合曲线对比图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合实施例及附图对本发 明作进一步详细的描述。

本实施例提供了一种室内环境舒适度评价方法，该方法是将传感器采集到的温湿 度、风速、空气质量、噪声和光照等环境参数作为输入参量，(如图1所示，环境参数的采集分 别通过温湿度传感器、风速传感器、空气质量传感器、噪声传感器和光照传感器)利用实验 得到生理参数作为输出训练ε-SVM模型，使用训练得到的ε-SVM模型即可得到综合的室内环 境舒适度值。具体实施过程如图2所示，包括：

步骤10采集室内环境参数，所述环境参数包括温湿度、风速、空气质量、噪声和光 照参数；

步骤20将室内环境参数作为输入、检测到的生理参数作为输出，利用ε-SVM进行模 型训练；

确定ε-SVM模型的RBF核函数损失函数参数为和其中x′＝0.2，σ为输入样本的标准偏差，l为样本数，为训练样本输出均值，σ_y为输出值标准偏差。

步骤30通过训练好的ε-SVM模型进行舒适度在线评价；

由传感器采集室内温湿度、风速、空气质量、噪声和光照参数，构成向量作为输入数据，其中为传感器监测到的一组数据；利用训练好的模型进行在线评价，利用公式：