[发明专利]基于环境感受概率质量函数的室内环境条件等效判定方法及判定系统有效

专利信息
申请号: 202110706927.7 申请日: 2021-06-24
公开(公告)号: CN113379284B 公开(公告)日: 2022-03-08
发明(设计)人: 武岳;吴杭姿;孙晓颖 申请(专利权)人: 哈尔滨工业大学
主分类号: G06Q10/06 分类号: G06Q10/06;G06N3/04;G06N3/08
代理公司: 哈尔滨华夏松花江知识产权代理有限公司 23213 代理人: 岳昕
地址: 150001 黑龙*** 国省代码: 黑龙江;23
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 环境 感受 概率 质量 函数 室内环境 条件 等效 判定 方法 系统
【权利要求书】:

1.基于环境感受概率质量函数的室内环境条件等效判定方法,其特征在于:所述方法具体过程为:

步骤一、将人体对某一种环境感受Ri的具体感受分成7级,并用数字[-3,-2,-1,0,1,2,3]逐级将感受划分,分别记为x-3,x-2,x-1,x0,x1,x2,x3

其中x0对应中性的环境感受;

步骤二、考虑由n个室内环境参数(x1,x2…xn)共同作用的室内环境条件,并得到由该n个室内环境参数组成的N组不同环境条件下,人体对某一种环境感受Ri的7种不同具体感受x-3,x-2,x-1,x0,x1,x2,x3的分别投票概率;

步骤三、采用步骤二获得的N组不同室内环境参数组合数据训练神经网络模型,以N组不同室内环境参数组合数据(X1,X2…Xn)作为神经网络模型的输入,共n个输入节点,以某一种环境感受Ri的7种不同具体感受x-3,x-2,x-1,x0,x1,x2,x3的投票概率作为神经网络模型的输出,共7个输出节点,训练完成的神经网络模型形成了不同室内环境参数组合数据(X1,X2…Xn)与某一环境感受Ri的7种不同具体感受的投票概率质量函数的映射关系;

步骤四、将任意室内环境参数组合数据(X1’,X2’…Xn’)输入训练完成的神经网络模型中,得到任意室内环境参数组合数据(X1’,X2’…Xn’)下人体对某一种环境感受Ri的7种不同具体感受投票概率质量函数;

步骤五、将步骤四获得的环境感受Ri的7种不同具体感受投票概率质量函数绘制于平面直角坐标系XOY中,并连接(-4,0),(P-3,0),(P-2,0),(P-1,0),(P0,0),(P1,0),(P2,0),(P3,0),(4,0)得到折线,计算折线与横坐标轴所围成封闭图形的重心坐标(Xg,Yg),并将重心坐标(Xg,Yg)作为环境感受Ri的7种不同具体感受投票概率质量函数的特征指标;

其中P-3、P-2、P-1、P0、P1、P2、P3为人体对某一种环境感受Ri的7种不同具体感受的投票概率;Xg体现了概率质量函数的均值特性;Yg体现了概率质量函数的离散特性;

步骤六、计算步骤五得到的重心坐标(Xg,Yg)与(0,1/3)的特征指标距d;

步骤七、根据步骤四,步骤五和步骤六分别计算不同室内环境参数组合数据下人体对某一种环境感受Ri的7种不同具体感受投票概率质量函数、7种不同具体感受投票概率质量函数对应的特征指标及特征指标距;

步骤八、比较不同室内环境参数组合数据下特征指标距的大小关系,特征指标距相等的室内环境条件等效;

确定等效的室内环境中能耗最低的室内环境,对室内环境进行调整,调整为能耗最低的室内环境;

所述步骤五中Xg=-3P-3-2P-2-P-1+P1+2P2+3P3

所述步骤五中

所述步骤六中特征指标距

其中Xg的符号函数sign(Xg)表示重心坐标(Xg,Yg)偏离原点(0,0)的方向;

所述步骤六中(0,1/3)为当所有居民对环境感受Ri均表示为中性时的7种不同具体感受投票概率质量函数特征指标;

所述(0,1/3)所对应的概率质量函数为:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学,未经哈尔滨工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110706927.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top