[发明专利]一种空气舒适度评价方法、装置及空气调节设备

权利要求书

1.一种室内空气舒适度评价方法，其特征在于，所述室内空气舒适度评价方法应用于空气调节设备，所述空气调节设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的空气舒适度评价程序，所述空气舒适度评价程序被所述处理器执行时实现所述室内空气舒适度评价方法，所述空气舒适度评价方法包括以下步骤：

获取通过卷积神经网络算法从样本数据集中学习得到的室内空气舒适度参数预测模型，所述样本数据集包括：多个用户的用户信息数据及所述多个用户对应的室内空气舒适度参数值数据，所述用户信息包括性别、年龄、地域和家庭人数，所述室内空气舒适度参数包括温度、湿度、空气流速、新风量中的至少一个；

将待评价的室内空气参数对应的用户信息输入到所述室内空气舒适度参数预测模型中，进行室内空气舒适度参数值的预测；

根据所述室内空气舒适度参数预测模型预测后输出的室内空气舒适度参数预测值，得到所述待评价的室内空气参数的舒适度分数，具体包括：根据所述室内空气舒适度参数预测值，对所述待评价的室内空气参数进行评级，得到所述待评价的室内空气参数的评分级别；根据所述待评价的室内空气参数的评分级别，得到所述待评价的室内空气参数的舒适度分数；

所述获取通过卷积神经网络算法从样本数据集中训练得到的室内空气舒适度参数预测模型之前，所述方法还包括：

从用户终端获取多个用户的用户信息数据；及，通过空气参数采集装置获取所述多个用户对应的室内空气舒适度参数值数据；

以所述用户信息数据以及所述室内空气舒适度参数值数据作为样本数据集，通过卷积神经网络算法对室内空气舒适度参数预测模型进行训练学习，输出学习得到的室内空气舒适度参数预测模型；

所述以所述用户信息数据以及所述室内空气舒适度参数值数据作为样本数据集，通过卷积神经网络算法对室内空气舒适度参数预测模型进行训练学习，输出学习得到的室内空气舒适度参数预测模型，包括：

将样本数据集分成两部分，得到训练样本数据集和测试样本数据集，所述训练样本数据集包括:训练用户信息数据以及所述训练用户信息数据对应的室内空气舒适度参数值数据，所述测试样本数据集包括:测试用户信息数据以及所述测试用户信息数据对应的室内空气舒适度参数值数据；

对所述训练样本数据集进行特征工程分析得到第一特征数据，根据所述第一特征数据对所述室内空气舒适度参数预测模型进行预测优化，输出训练完成的室内空气舒适度参数预测模型；

对所述测试样本数据集进行特征工程分析得到第二特征数据，根据所述第二特征数据对所述训练完成的室内空气舒适度参数预测模型进行评测优化，输出学习得到的所述室内空气舒适度参数预测模型。

2.如权利要求1所述的方法，其特征在于，所述根据所述室内空气舒适度参数预测值，对所述待评价的室内空气参数进行评级，得到所述待评价的室内空气参数的评分级别，包括：

根据所述室内空气舒适度参数预测值，确定所述室内空气舒适度参数评级区间，将所述待评价的室内空气参数与所述室内空气舒适度参数评级区间对比，得到所述待评价的室内空气参数的评分级别。

3.如权利要求1所述的方法，其特征在于，所述根据所述第二特征数据对所述训练完成的室内空气舒适度参数预测模型进行评测优化，输出学习得到的所述室内空气舒适度参数预测模型，包括：

获取所述训练完成的室内空气舒适度参数预测模型的评估指标值；

根据所述评估指标值，输出学习得到的所述室内空气舒适度参数预测模型；或者，根据所述评估指标值，对所述室内空气舒适度参数预测模型的超参数进行优化后，重新根据所述样本数据集进行训练学习，输出学习得到的所述室内空气舒适度参数预测模型。