【技术实现步骤摘要】
基于大数据的舒适度预测方法、智能终端、存储装置
本专利技术涉及空调管理领域，尤其涉及一种基于大数据的舒适度预测方法、智能终端、存储装置。
技术介绍
随着生活水平的不断提高，人们对室内热环境的要求也越来越高，相应的因室内温度调节产生的能耗越来越高。据统计，建筑能耗占世界总能耗的40％左右，其中一半用于舒适度空气调节系统。为了满足人们的温度控制需求和减少能耗，需要预测人们的主观热感觉，根据该主观热感觉降低能耗。其中，丹麦教授Fanger提出的预测平均投票PMV(predictivemeanvote)是目前使用最广泛的预测主观热感觉的评价指标。PMV指标是参考了大量的实验和观察数据后得出的热感觉投票统计，即符合大多数人在大多数情况下对热环境的评判。但是，亚洲很多学者认为由于Fanger是以欧美国家的青年为研究对象，而亚洲人和欧美人的新陈代谢不同，地区气候不同，年龄、性别的差异化，对于热环境的适应性和心理期望值不同，Fanger教授提出的理论不可避免的具有一定的局限性和偏差，因此，不能满足亚洲人的实际温度控制需求，而...
【技术保护点】
1.一种基于大数据的舒适度预测方法，其特征在于，所述方法包括：/nS101：获取与舒适度相关的数据，对所述数据进行聚类形成至少一个类型簇；/nS102：根据所述类型簇的特征数据获取第一舒适度指标，并对所述类型簇进行降维处理；/nS103：根据所述数据中的用户使用行为确定所述类型簇中的数据对应的需求模式，采用机器学习算法对每个所述类型簇和所述需求模式进行模型训练以形成舒适度模型；/nS104：根据实际控制对象的属性变量选择与之匹配的舒适度模型，根据舒适度模型预测用户的舒适度指标。/n
【技术特征摘要】
1.一种基于大数据的舒适度预测方法，其特征在于，所述方法包括：
S101：获取与舒适度相关的数据，对所述数据进行聚类形成至少一个类型簇；
S102：根据所述类型簇的特征数据获取第一舒适度指标，并对所述类型簇进行降维处理；
S103：根据所述数据中的用户使用行为确定所述类型簇中的数据对应的需求模式，采用机器学习算法对每个所述类型簇和所述需求模式进行模型训练以形成舒适度模型；
S104：根据实际控制对象的属性变量选择与之匹配的舒适度模型，根据舒适度模型预测用户的舒适度指标。
2.如权利要求1所述的基于大数据的舒适度预测方法，其特征在于，所述获取与舒适度相关的数据的步骤之后还包括：
对所述数据进行预处理，所述预处理包括数据清理，数据集成，数据变换，数据归约中的至少一种。
3.如权利要求1所述的基于大数据的舒适度预测方法，其特征在于，所述对所述数据进行聚类形成至少一个类型簇的步骤具体包括：
根据所述数据的属性变量对所述数据进行聚类形成至少一个类型簇。
4.如权利要求1所述的基于大数据的舒适度预测方法，其特征在于，所述对所述类型簇进行降维处理的步骤具体包括：
对所述类型簇进行特征关联度分析，根据所述类型簇中的数据与所述第一舒适度指标的关联度对所述类型簇进行降维处理。
5.如权利要求1所述的基于大数据的舒适度预测方法，其特征在于，所述...
【专利技术属性】
技术研发人员：徐永凯，熊钧，郑占赢，徐义，王鹏锋，
申请(专利权)人：珠海派诺科技股份有限公司，
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。