【技术实现步骤摘要】
一种空气舒适度评价方法、装置及空气调节设备
本专利技术涉及空气调节器
，特别是涉及一种室内空气舒适度评价方法、装置及空气调节设备。
技术介绍
室内空气舒适度评价是认识室内环境的一种科学方法，它反映在某个具体的环境内，环境要素对人群工作生活的舒适程度，而不是简单的合格或不合格的判断。科学准确地进行室内空气舒适度评价十分必要。室内空气质量标准GBT18883-2002从人体健康的角度出发，较为全面地评价了室内空气质量，对于性能指标要求较高，也是目前室内空气检测最为推荐的国家标准。其中共设定19项检验指标，其中物理性能用温度，相对湿度，空气流速，新风量指标评价；化学方面有二氧化硫，二氧化碳，一氧化碳，二氧化氮，氨、臭氧、甲醛、苯、甲苯、二甲苯、并芘、可吸入颗粒物、总挥发性有机物13个指标评价；生物性能方面，有菌落总数；放射性角度则依据氡的含量（年平均值）进行评判。除了物理性之外的剩余15种评价指标如表1所示。表1.我国室内空气健康性指标控制表1中化学性、生物性、放射性的15种空气质量评价标准直接关系到人体健康，标准较为统一。但是对于温度、湿度、空气流速和新风量4个...
【技术保护点】
1.一种室内空气舒适度评价方法，其特征在于，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；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。
【技术特征摘要】
1.一种室内空气舒适度评价方法，其特征在于，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；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。2.如权利要求1所述的方法，其特征在于，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，所述用户信息包括性别、年龄、地域和家庭人数；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，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；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。3.如权利要求1或2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，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。4.如权利要求3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。5.如权利要求2所述的方法，其特征在于，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...
【专利技术属性】
技术研发人员：聂镭，沙露露，聂颖，
申请(专利权)人：龙马智芯珠海横琴科技有限公司，
类型：发明
国别省市：广东,44
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。