一种基于深度置信神经网络的自然通风环境下建筑室内热舒适预测方法技术

本发明专利技术公开了一种基于深度置信神经网络的自然通风环境下建筑室内热舒适预测方法，包括以下步骤：(1)进行现场实测，得到的关于自然通风环境下建筑室内热舒适环境参数和人体参数的样本数据，建立自然通风环境下建筑室内热舒适预测模型；(2)利用Matlab软件将环境参数和人体参数作为深度置信神经网络的输入参数，建立深度置信神经网络训练模型对训练样本进行学习训练，并调试得到最佳的训练模型；(3)确定深度置信神经网络测试模型，把测试样本放入该训练好的测试模型中进行自然通风环境下建筑室内热舒适的预测。本发明专利技术的预测方法解决了应用传统建筑室内热舒适预测方法来预测自然通风环境下建筑室内热舒适的精度不足和适用性不强的问题，为自然通风环境下建筑室内热舒适预测提供了有效的解决方案。

【技术实现步骤摘要】
一种基于深度置信神经网络的自然通风环境下建筑室内热舒适预测方法
本专利技术属于自然通风环境下的建筑室内的热舒适预测
，具体涉及一种基于深度置信神经网络的自然通风环境下的建筑室内热舒适预测方法。
技术介绍
随着人们生活质量的不断提高，人们对室内的舒适度的要求也越来越高。人们在室内的生活、工作等活动占据了90％的时间，创造一个健康、舒适、高效的室内环境对居住者而言显得格外重要。而近年来，由于建筑能耗的不断增加，自然通风环境下的建筑室内热舒适得到重视，因此构建一种能够精准预测自然通风环境下的建筑室内热舒适是一个亟待解决的问题。由于人体热舒适感是一个主观判断标准，涉及诸多因素。而且它是一个精神和主观的心理反应，是一个不精确，不确定，模糊的量。采用传统数学方法对自然通风环境下的建筑室内热舒适进行评价时，多使用精确数学解决不确定问题，从而导致预测不准确的现象。由于影响自然通风环境下建筑室内热舒适的因素众多，主要可以分为三类：物理因素、生理因素、心理因素。物理因素主要与室内环境参数有关，如：空气温度、湿度、空气流动速度等。生理因本文档来自技高网...

【技术保护点】
1.一种基于深度置信神经网络的自然通风环境下建筑室内热舒适预测方法，其特征在于，包括以下步骤：/n步骤一：确定用于训练深度置信神经网络模型的输入参数，并进行现场实测，得到样本数据；/n步骤二：利用Matlab软件将实测的影响自然通风环境下建筑室内热舒适参数和相对应的热舒适作为训练样本导入到深度置信神经网络中，建立深度置信神经网络训练模型对训练样本进行学习训练，并不断的调整该模型的参数得到最佳的训练模型；/n步骤三：确定深度置信神经网络模型，把测试样本导入到该训练好的测试模型进行自然通风环境下建筑室内热舒适的预测。/n

【技术特征摘要】
1.一种基于深度置信神经网络的自然通风环境下建筑室内热舒适预测方法，其特征在于，包括以下步骤：
步骤一：确定用于训练深度置信神经网络模型的输入参数，并进行现场实测，得到样本数据；
步骤二：利用Matlab软件将实测的影响自然通风环境下建筑室内热舒适参数和相对应的热舒适作为训练样本导入到深度置信神经网络中，建立深度置信神经网络训练模型对训练样本进行学习训练，并不断的调整该模型的参数得到最佳的训练模型；
步骤三：确定深度置信神经网络模型，把测试样本导入到该训练好的测试模型进行自然通风环境下建筑室内热舒适的预测。


2.根据权利要求1所述的基于深度置信神经网络的自然通风环境下建筑室内热舒适预测方法，其特征在于，步骤一中所述参数为自然通风环境下建筑室内热舒适影响的参数。


3.根据权利要求2所述的基于深度置信神经网络的自然通风环境下建筑室内热舒适预测方法，其特征在于，所述参数包括环境参数与人体参数。


4.根据权利要求3所述的基于深度置信神经网络的自然通风环境下建筑室内热舒适预测方法，其特征在于，所述环境参数与人体参数包括空气离子含量、室内空气温度、室内相对湿度、室内空气流速、平均辐射温度、室外空气温度、服装热阻、年龄、体重、性别、所处环境的期望温度、当地居住时间、所处地区和人体新陈代谢。


5.根据权利要求4所述的基于深度置信神经网络的自然通风环境下建筑室内热舒适预测方法，其特征在于，所述服装热阻是利用服装热阻公式Icl＝0.82∑Icli计算得到的。


6.根据权利要求2所述的基于深度置信神经网络的自然通风环境下建筑室内热舒适预测方法，其特征在于，建立自然通风环境下建筑...

【专利技术属性】
技术研发人员：雷蕾，王宁，陈浩，夏源利，陈超，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西;45