一種室內環境舒適度評價方法技術

本發明專利技術公開了一種室內環境舒適度評價方法，所述方法包括：采集室內環境參數，所述環境參數包括溫濕度、風速、空氣質量、噪聲和光照參數；將室內環境參數作為輸入、檢測到的生理參數作為輸出，利用ε-SVM進行模型訓練；通過訓練好的ε-SVM模型進行舒適度在線評價。本發明專利技術以人的生理感受為評價標準，得到的舒適度，綜合考量了熱環境、空氣質量環境、聲環境和光環境等因素的影響，具有良好的實用性。

【技術實現步驟摘要】

本專利技術涉及室內環境舒適度的評價方法。
技術介紹
隨著人們生活水平的不斷提高，人們對室內環境的舒適性要求也越來越高。室內環境的舒適度大多從熱舒適度方面考量，并制定了室內熱環境評價與測量的標準化方法ISO7730，在IS07730標準中采用了PMV-PPD指標描述和評價熱環境。PMV指數為處于熱環境中的群體對于熱感覺的平均值，PPD指數為對于熱環境不滿意的人數百分數。影響PMV-PPD指標的六個因素中有四個環境參數(干球溫度、相對濕度、黑球溫度、微風速)和兩個人體參數(穿衣指數、新陳代謝率)。根據以上六個參數可以計算出PMV和PPD值，并且ISO7730中給出了明確的計算公式，但該方法并沒有考慮空氣環境、光環境和聲環境等的影響。在室內環境舒適度評價模型方面，目前經常采用智能算法，如基于神經網絡的綜合評價模型，該模型有著自適應性和學習能力強的特點,但也存在著網絡結構選擇困難、過學習以及很難保證全局最優等問題,不利于辨識模型的建立和泛化應用。基于模糊理論的評價模型,利用最大隸屬度函數和模糊評判矩陣來完成綜合評價，但模糊理論有著它致命的缺陷,即由各專家確定的各指標權重帶有一定的主觀性,不符合科學性的原則,并且在某些情況下,隸屬函數的確定有著一定的困難。基于支持向量機(SupportVectorMachines,SVM)的模型，它是一種基于統計學習理論中的VC維理論和結構風險最小化原理上提出的一種新型機器學習方法,該模型能夠保證找到的極值解其實就是全局的最優解。因此,此模型能夠較好地解決小樣本、高維數和非線性的問題,具有全局最優、結構簡單、泛化(推廣)能力強等優點。
技術實現思路
為解決上述技術問題，本專利技術的目的是提供一種能綜合表征熱環境、空氣質量環境、聲和光環境的室內舒適度智能評價方法。本專利技術的目的通過以下的技術方案來實現：一種室內環境舒適度評價方法，該方法包括：采集室內環境參數，所述環境參數包括溫濕度、風速、空氣質量、噪聲和光照參數；將室內環境參數作為輸入、檢測到的生理參數作為輸出，利用ε-SVM進行模型訓練；通過訓練好的ε-SVM模型進行舒適度在線評價。與現有技術相比，本專利技術的一個或多個實施例可以具有如下優點：是將傳感器采集到的溫濕度、風速、空氣質量、噪聲和光照等環境參數作為輸入參量，利用實驗得到生理參數作為輸出訓練ε-SVM模型，利用訓練得到的ε-SVM模型即可得到綜合的室內環境舒適度值。本專利技術以人的生理感受為評價標準，得到的舒適度，綜合考量了熱環境、空氣質量環境、聲環境和光環境等因素的影響，具有良好的實用性。附圖說明圖1是本專利技術提供的環境參數檢測系統示意圖；圖2是本專利技術提供的室內環境舒適度評價流程圖；圖3是本專利技術的手部平均溫度與舒適度的實際、擬合曲線對比圖。具體實施方式為使本專利技術的目的、技術方案和優點更加清楚，下面將結合實施例及附圖對本發明作進一步詳細的描述。本實施例提供了一種室內環境舒適度評價方法，該方法是將傳感器采集到的溫濕度、風速、空氣質量、噪聲和光照等環境參數作為輸入參量，(如圖1所示，環境參數的采集分別通過溫濕度傳感器、風速傳感器、空氣質量傳感器、噪聲傳感器和光照傳感器)利用實驗得到生理參數作為輸出訓練ε-SVM模型，使用訓練得到的ε-SVM模型即可得到綜合的室內環境舒適度值。具體實施過程如圖2所示，包括：步驟10采集室內環境參數，所述環境參數包括溫濕度、風速、空氣質量、噪聲和光照參數；步驟20將室內環境參數作為輸入、檢測到的生理參數作為輸出，利用ε-SVM進行模型訓練；確定ε-SVM模型的RBF核函數損失函數參數為和其中x′＝0.2，σ為輸入樣本的標準偏差，l為樣本數，為訓練樣本輸出均值，σy為輸出值標準偏差。步驟30通過訓練好的ε-SVM模型進行舒適度在線評價；由傳感器采集室內溫濕度、風速、空氣質量、噪聲和光照參數，構成向量作為輸入數據，其中為傳感器監測到的一組數據；利用訓練好的模型進行在線評價，利用公式：f(y)＝-0.5y4+25.4y3-560.1y2+4609.6y(1)可獲得在[0,1]間變化的舒適度值，公式中y為ε-SVM模型輸出。公式(1)的擬合曲線如圖3所示。由上述實施例提供的技術方案可以看出，本專利技術是將傳感器采集到的溫濕度、風速、空氣質量、噪聲和光照等環境參數作為輸入參量，利用實驗得到生理參數作為輸出訓練ε-SVM模型，使用訓練得到的ε-SVM模型即可得到綜合的室內環境舒適度值。本專利技術以人的生理感受為評價標準，得到的舒適度，綜合考量了熱環境、空氣質量環境、聲環境和光環境等因素的影響，具有良好的實用性。雖然本專利技術所揭露的實施方式如上，但所述的內容只是為了便于理解本專利技術而采用的實施方式，并非用以限定本專利技術。任何本專利技術所屬
內的技術人員，在不脫離本專利技術所揭露的精神和范圍的前提下，可以在實施的形式上及細節上作任何的修改與變化，但本專利技術的專利保護范圍，仍須以所附的權利要求書所界定的范圍為準。本文檔來自技高網...

【技術保護點】
一種室內環境舒適度評價方法，其特征在于，所述方法包括：采集室內環境參數，所述環境參數包括溫濕度、風速、空氣質量、噪聲和光照參數；將室內環境參數作為輸入、檢測到的生理參數作為輸出，利用ε?SVM進行模型訓練；通過訓練好的ε?SVM模型進行舒適度在線評價。

【技術特征摘要】
1.一種室內環境舒適度評價方法，其特征在于，所述方法包括：
采集室內環境參數，所述環境參數包括溫濕度、風速、空氣質量、噪聲和光照參數；
將室內環境參數作為輸入、檢測到的生理參數作為輸出，利用ε-SVM進行模型訓練；
通過訓練好的ε-SVM模型進行舒適度在線評價。
2.如權利要求1所述的室內環境舒適度評價方法，其特征在于，所述檢測到的生理參數
根據實驗方法得到，所述參數包括：檢測人在不同溫濕度、風速、空氣質量、噪聲和光照環境
參數下手部平均皮膚溫度。
3.如權利要求1所述的室內環境舒適度評價方法，其特征在于，所述利用ε-SVM進行模

【專利技術屬性】
技術研發人員：葉廷東，黃曉紅，葉季衡，
申請(專利權)人：廣東輕工職業技術學院，
類型：發明
國別省市：廣東;44