[发明专利]采光预测模型训练方法、采光预测方法、装置及设备

权利要求书

1.一种采光预测模型的训练方法，其特征在于，包括：

获取目标区域的气象数据、模拟时间数据，传输至采光模拟系统中设置采光模拟的环境参数，将获取的多组建筑参数传输至所述采光模拟系统，得到各组建筑参数对应的采光数据，其中，所述建筑参数和对应的采光数据形成样本数据；

创建至少一个初始采光预测模型，基于所述样本数据中的训练样本数据对各所述初始采光预测模型进行迭代训练，得到各初始采光模型对应的采光预测模型；

基于所述样本数据中的验证样本数据对所述采光预测模型进行验证处理，得到各采光预测模型的至少一项评价指标，基于所述至少一项评价指标确定目标采光预测模型。

2.根据权利要求1所述的方法，其特征在于，在将获取的多组建筑参数传输至所述采光模拟系统，得到各组建筑参数对应的采光数据之前，所述方法还包括：

获取所述目标区域内的多种建筑户型信息，并将所述建筑户型信息传输至所述采光模拟系统，以使所述采光模拟系统创建对应的多种建筑模型；

所述将获取的多组建筑参数传输至所述采光模拟系统，得到各组建筑参数对应的采光数据，包括：

将获取的多组建筑参数传输至所述采光模拟系统，以使所述采光模拟系统基于所述建筑参数更新所述多种建筑模型，并对更新后的多种建筑模型分别进行采光模拟，得到所述采光模拟系统输出的采光数据，其中，基于所述建筑参数和采光数据训练得到的采光预测模型用于对所述目标区域内的建筑进行采光预测。

3.根据权利要求1或2所述的方法，其特征在于，所述建筑参数包括窗台高度、遮阳尺寸、墙体材料反射率、玻璃透光率；采光数据包括采光系数和自然采光照度中的至少一项；

所述基于所述样本数据中的训练样本数据对各所述初始采光预测模型进行迭代训练，得到各初始采光模型对应的采光预测模型，包括：

基于所述建筑参数作为输入数据、所述采光系数作为标签形成的训练样本数据，对所述初始采光预测模型进行迭代训练，得到各初始采光模型对应的采光系数预测模型；和/或，

基于所述建筑参数和所述采光系数作为输入数据、所述自然采光照度作为标签形成的训练样本数据，对所述初始采光预测模型进行迭代训练，得到各初始采光模型对应的采光照度预测模型。

4.根据权利要求1所述的方法，其特征在于，所述至少一个初始采光预测模型的网络结构不同，或者，至少一个初始采光预测模型的网络深度不同；

所述基于所述样本数据中的训练样本数据对各所述初始采光预测模型进行迭代训练，得到各初始采光模型对应的采光预测模型，包括：

基于训练样本数据对所述初始采光预测模型进行不同训练次数的迭代训练，得到各初始采光模型对应的采光预测模型。

5.根据权利要求1所述的方法，其特征在于，所述评价指标包括如下的至少一项：平均相对误差、最大相对误差、均方误差和拟合度。

6.一种采光预测方法，其特征在于，包括：

读取建筑模型中预设类型的建筑参数，将所述建筑参数输入至预先训练的采光系数预测模型中，得到所述建筑模型对应的采光系数；

将所述建筑参数和所述采光系数输入至预先训练的采光预测模型，得到所述建筑模型对应的自然采光照度，其中，所述采光系数预测模型和所述采光预测模型分别基于权利要求1-5任一所述的采光预测模型的训练方法得到。

7.一种采光预测模型训练装置，其特征在于，包括：

样本数据获取模块用于获取目标区域的气象数据、模拟时间数据，传输至采光模拟系统中设置采光模拟的环境参数，将获取的多组建筑参数传输至所述采光模拟系统，得到各组建筑参数对应的采光数据，其中，所述建筑参数和对应的采光数据形成样本数据；

采光预测模型训练模块用于创建至少一个初始采光预测模型，基于所述样本数据中的训练样本数据对各所述初始采光预测模型进行迭代训练，得到各初始采光模型对应的采光预测模型；

目标采光预测模型确定模块基于所述样本数据中的验证样本数据对所述采光预测模型进行验证处理，得到各采光预测模型的至少一项评价指标，基于所述至少一项评价指标确定目标采光预测模型。