一种基于高斯分布的窗户状态预测方法及系统技术方案

技术编号:18256770 阅读:32 留言:0更新日期:2018-06-20 08:27
本发明专利技术公开了一种基于高斯分布的窗户状态预测方法及系统。该方法包括:获取窗户开关状态的历史监测数据;获取环境参数的历史数据,并根据环境参数的历史数据确定影响窗户开关的环境影响参数;通过历史监测数据以及所述环境影响参数的历史数据建立基础模型;基于高斯分布对所述基础模型进行训练,得到预测模型;获取所述环境影响参数的当前数据;根据所述当前数据以及所述预测模型预测窗户的开关状态。本发明专利技术能够提高窗户开关预测的准确性。

A window state prediction method and system based on Gauss distribution

The invention discloses a window state prediction method and system based on Gauss distribution. The method includes: obtaining historical monitoring data of window switching state, obtaining historical data of environmental parameters, and determining the environmental impact parameters affecting window switches based on the historical data of environmental parameters; establishing the basic model through historical data and historical data of the environmental impact parameters; based on the Gauss distribution, The basic model is trained, the prediction model is obtained, the current data of the environmental impact parameters are obtained, and the switch state of the window is predicted based on the current data and the predicted model. The invention can improve the prediction accuracy of the window switch.

【技术实现步骤摘要】
一种基于高斯分布的窗户状态预测方法及系统
本专利技术涉及窗户状态预测领域,特别是涉及一种基于高斯分布的窗户状态预测方法及系统。
技术介绍
开窗行为是人们利用最普遍也是最方便的一种调节室内通风状况的方式,通风不仅可以改善室内热湿环境状况和空气品质,还可以在一定程度上减少建筑能耗。因此,研究建筑内部人员开窗行为习惯,建立能够描述人员门窗开关行为的数学模型,将其概率模型运用到能耗模拟软件中,可以进一步提高模拟结果的准确性,对于建筑节能、室内空气品质、热舒适等具有十分重要的现实意义。目前世界上经典的人员开关窗行为建模的方法主要有两种:基于伯努利(Bernoulli)链法和基于马科夫(Markov)链法。基于伯努利链法是对人员开关窗行为最基本的随机建模方法,其建模过程又基于Logistic回归法,建模时需要考虑现有环境状态,如温度、湿度等对人员开关窗决定影响的因素。基于马科夫链法同样也是基于Logistic回归法进行人行为建模。与前者不同的是马科夫链需要考虑前一个窗户状态对当前窗户状态的影响,换句话说就是如果之前窗户已经被打开,当前状态下窗户保持打开的状态和需要从之前关闭状态到现在打开状态的决定过程和因素是不一样的。室内人员的开关窗行为完全是随机的,现有的模型在考虑各类影响因素的预测准确率方面有所不足。
技术实现思路
本专利技术的目的是提供一种基于高斯分布的窗户状态预测方法及系统,用以提高窗户开关预测的准确性。为实现上述目的,本专利技术提供了如下方案:一种基于高斯分布的窗户状态预测方法,所述方法包括:获取窗户开关状态的历史监测数据;获取环境参数的历史数据,并根据环境参数的历史数据确定影响窗户开关的环境影响参数;通过历史监测数据以及所述环境影响参数的历史数据建立基础模型;基于高斯分布对所述基础模型进行训练,得到预测模型;获取所述环境影响参数的当前数据;根据所述当前数据以及所述预测模型预测窗户的开关状态。可选的,所述获取环境参数的历史数据,并确定影响窗户开关的环境影响参数,具体包括:获取环境参数的历史数据;对所述环境参数的历史数据进行筛选,得到影响窗户开关的环境影响参数。可选的,所述通过历史监测数据以及所述环境影响参数的历史数据建立基础模型,具体包括:提取所述环境影响参数的历史数据的特征向量,得到历史环境影响参数特征向量;提取所述历史监测数据的特征向量,得到状态特征向量;以所述历史环境影响参数特征向量为输入,所述状态特征向量为输出,构建基础模型。可选的,所述基于高斯分布对所述基础模型进行训练,得到预测模型,具体包括:根据所述基础模型预测窗户的开关状态;判断所述窗户的开关状态是否符合高斯分布;如否,则调整所述基础模型的参数使所述窗户的开关状态符合高斯分布,得到预测模型;若是,则确定所述基础模型为预测模型。本专利技术还提供了一种基于高斯分布的窗户状态预测系统,所述系统包括:监测模块,用于获取窗户开关状态的历史监测数据;确定模块,用于获取环境参数的历史数据,并根据环境参数的历史数据确定影响窗户开关的环境影响参数;建模模块,用于通过历史监测数据以及所述环境影响参数的历史数据建立基础模型;训练模块,用于基于高斯分布对所述基础模型进行训练,得到预测模型;获取模块,用于获取所述环境影响参数的当前数据;预测模块,用于根据所述当前数据以及所述预测模型预测窗户的开关状态。可选的,所述确定模块包括:获取单元,用于获取环境参数的历史数据;筛选单元,用于对所述环境参数的历史数据进行筛选,得到影响窗户开关的环境影响参数。可选的,所述建模模块包括:第一提取单元,用于提取所述环境影响参数的历史数据的特征向量,得到历史环境影响参数特征向量;第二提取单元,用于提取所述历史监测数据的特征向量,得到状态特征向量;建模单元,用于以所述历史环境影响参数特征向量为输入,所述状态特征向量为输出,构建基础模型。可选的,所述预测模块包括:预测单元,用于根据所述基础模型预测窗户的开关状态;判断单元,用于判断所述窗户的开关状态是否符合高斯分布;结果确定单元,与所述判断单元连接,用于当所述窗户的开关状态不符合高斯分布时,调整所述基础模型的参数使所述窗户的开关状态符合高斯分布,得到预测模型;以及用于当所述窗户的开关状态符合高斯分布时,确定所述基础模型为预测模型。根据本专利技术提供的具体实施例,本专利技术公开了以下技术效果:本专利技术通过窗户的状态监测数据以及环境影响参数的历史数据建立基础模型;并采用高斯分布对所述基础模型进行训练,得到预测模型;根据所述预测模型预测窗户的开关状态。由于高斯分布的累积图像很贴近一个二分类问题的结果,将该函数应用于窗户状态预测能够极大的提高预测的准确性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种基于高斯分布的窗户状态预测方法的流程图;图2为本专利技术在各训练样本量下的窗户状态预测结果图;图3为本专利技术与传统逻辑回归方法在各训练样本量下窗户状态预测结果对比图;图4为本专利技术实施例提供的一种基于高斯分布的窗户状态预测系统的结构框图。具体实施方式下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本专利技术一部分实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围。本专利技术的目的是提供一种基于高斯分布的窗户状态预测方法及系统,用以提高窗户开关预测的准确性。为使本专利技术的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本专利技术作进一步详细的说明。如图1所示,一种基于高斯分布的窗户状态预测方法包括以下步骤:步骤101:获取窗户开关状态的历史监测数据。步骤102:获取环境参数的历史数据,并根据环境参数的历史数据确定影响窗户开关的环境影响参数。具体的,获取环境参数的历史数据,获取对窗户状态可能有影响的环境监测数据,包括室内外温度、室外相对湿度、室外风速等。对所述环境参数的历史数据进行筛选,得到影响窗户开关的环境影响参数。对获取可能影响窗户状态的环境参数的监测数据进行预处理,所述预处理包括筛除无关变量以及去重,即剔除对窗户状态无显著性影响的环境因素,以及剔除引起多重共线性的相应环境参数。步骤103:通过历史监测数据以及所述环境影响参数的历史数据建立基础模型。具体的,提取所述环境影响参数的历史数据的特征向量,得到历史环境影响参数特征向量;提取所述历史监测数据的特征向量,得到状态特征向量;以所述历史环境影响参数特征向量为输入,所述状态特征向量为输出,构建基础模型。步骤104:基于高斯分布对所述基础模型进行训练,得到预测模型。具体的,根据所述基础模型预测窗户的开关状态;判断所述窗户的开关状态是否符合高斯分布;如否,则调整所述基础模型的参数使所述窗户的开关状态符合高斯分布,得到预测模型;若是,则确定所述基础模型为预测模型。以窗户状态为单位,根据所述的该t维的环境影响参数特征向量,从窗户状态信息中提取该窗户状态对应的本文档来自技高网...
一种基于高斯分布的窗户状态预测方法及系统

【技术保护点】
1.一种基于高斯分布的窗户状态预测方法,其特征在于,所述方法包括:获取窗户开关状态的历史监测数据;获取环境参数的历史数据,并根据环境参数的历史数据确定影响窗户开关的环境影响参数;通过历史监测数据以及所述环境影响参数的历史数据建立基础模型;基于高斯分布对所述基础模型进行训练,得到预测模型;获取所述环境影响参数的当前数据;根据所述当前数据以及所述预测模型预测窗户的开关状态。

【技术特征摘要】
1.一种基于高斯分布的窗户状态预测方法,其特征在于,所述方法包括:获取窗户开关状态的历史监测数据;获取环境参数的历史数据,并根据环境参数的历史数据确定影响窗户开关的环境影响参数;通过历史监测数据以及所述环境影响参数的历史数据建立基础模型;基于高斯分布对所述基础模型进行训练,得到预测模型;获取所述环境影响参数的当前数据;根据所述当前数据以及所述预测模型预测窗户的开关状态。2.根据权利要求1所述的预测方法,其特征在于,所述获取环境参数的历史数据,并确定影响窗户开关的环境影响参数,具体包括:获取环境参数的历史数据;对所述环境参数的历史数据进行筛选,得到影响窗户开关的环境影响参数。3.根据权利要求1所述的预测方法,其特征在于,所述通过历史监测数据以及所述环境影响参数的历史数据建立基础模型,具体包括:提取所述环境影响参数的历史数据的特征向量,得到历史环境影响参数特征向量;提取所述历史监测数据的特征向量,得到状态特征向量;以所述历史环境影响参数特征向量为输入,所述状态特征向量为输出,构建基础模型。4.根据权利要求1所述的预测方法,其特征在于,所述基于高斯分布对所述基础模型进行训练,得到预测模型,具体包括:根据所述基础模型预测窗户的开关状态;判断所述窗户的开关状态是否符合高斯分布;如否,则调整所述基础模型的参数使所述窗户的开关状态符合高斯分布,得到预测模型;若是,则确定所述基础模型为预测模型。5.一种基于高斯分布的窗户状态预测系统,其特征在于,所述系统包括:监...

【专利技术属性】
技术研发人员:李群韩一叶夏亮潘嵩高洋吴金顺王新如常利
申请(专利权)人:北京工业大学
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1