【技术实现步骤摘要】
基于深度学习的人体舒适度预测方法、装置、设备及介质
[0001]本专利技术属于计算机
,具体涉及一种基于深度学习的人体舒适度预测方法、装置、设备及介质。
技术介绍
[0002]人类机体对外界气象环境的主观感觉有别于大气探测仪器获取的各种气象要素结果,随生活水平的提高,人们对大气环境问题日益关注,对环境舒适状况的预知需求越来越强烈。人体舒适度指数是为了从气象角度来评价在不同气候条件下人的舒适感,根据人类机体与大气环境之间的热交换而制定的生物气象指标。人体的热平衡机能、体温调节、内分泌系统、消化器官等人体的生理功能受到多种气象要素的综合影响,进行舒适度预测可辅助人们及时采取防范措施,避免因人体舒适度问题影响工作、生活等。
[0003]现有技术中,通常依赖经验得到人体舒适度计算公式进行人体舒适度预测,相应的人体舒适度计算公式只适用于某一区域。但是,在使用现有技术过程中,专利技术人发现现有技术中至少存在如下问题:
[0004]但是,中国国土广阔,区域气象差异大,采用现有技术中的人体舒适度计算公式进行人体舒适度预测的方式,不具备地区普遍性。
技术实现思路
[0005]本专利技术旨在至少在一定程度上解决上述技术问题,本专利技术提供了一种基于深度学习的人体舒适度预测方法、装置、设备及介质。
[0006]为了实现上述目的,本专利技术采用以下技术方案:
[0007]第一方面,本专利技术提供了一种基于深度学习的人体舒适度预测方法,包括:
[0008]获取初始人体舒适度指标变量 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的人体舒适度预测方法,其特征在于:包括:获取初始人体舒适度指标变量,并根据所述初始人体舒适度指标变量得到人体舒适度指标;根据所述人体舒适度指标构建初始人体舒适度预测模型;其中,所述人体舒适度预测模型的输入维度与所述人体舒适度指标的数量相同;获取与所述人体舒适度指标对应的历史气象数据及与所述历史气象数据对应的人体舒适度,并根据所述历史气象数据及与所述历史气象数据对应的人体舒适度对所述初始人体舒适度预测模型进行训练,得到训练后人体舒适度预测模型;实时采集与所述人体舒适度指标对应的实时气象数据;将所述实时气象数据输入所述训练后人体舒适度预测模型,得到实时人体舒适度预测结果。2.根据权利要求1所述的一种基于深度学习的人体舒适度预测方法,其特征在于:根据所述初始人体舒适度指标变量得到人体舒适度指标,包括:获取各初始人体舒适度指标变量的量化值;基于不同初始人体舒适度指标变量的量化值得到不同初始人体舒适度指标变量之间的相关性;剔除与其他初始人体舒适度指标变量之间的相关性处于预设的相关性阈值范围的所有初始人体舒适度指标变量,剩余的初始人体舒适度指标变量构成最终的人体舒适度指标。3.根据权利要求1所述的一种基于深度学习的人体舒适度预测方法,其特征在于:所述初始人体舒适度预测模型采用CNN模型与LSTM模型相结合的模型;所述CNN模型包括依次连接的第一输入层、卷积层、池化层、全连接层及第一输出层;所述LSTM模型包括依次与所述CNN模型的第一输出层连接的第二输入层、隐藏层和第二输出层。4.根据权利要求1所述的一种基于深度学习的人体舒适度预测方法,其特征在于:根据所述历史气象数据及与所述历史气象数据对应的人体舒适度对所述初始人体舒适度预测模型进行训练,得到训练后人体舒适度预测模型,包括:将所述历史气象数据及与所述历史气象数据对应的人体舒适度划分为训练数据集和验证数据集;对所述初始人体舒适度预测模型的模型参数进行初始化,得到初始化后人体舒适度预测模型;将所述训练数据集中的历史气象数据作为输入变量输入所述初始化后人体舒适度预测模型,得到所述初始化后人体舒适度预测模型的输出值;将所述输出值与所述训练数据集中与所述历史气象数据对应的人体舒适度进行对比,得到所述初始化后人体舒适度预测模型的误差值;基于所述误差值对所述模型参数进行更新,得到更新后模型参数;对所述更新后模型参数进行优化,并重新将所述训练数据集中的其他历史气象数据作为输入变量输入所述初始化后人体舒适度预测模型,直到达到预设的训练次数或初始化后人体舒适度预测模型收敛,得到初始训练后人体舒适度预测模型;使用所述验证数据集对所述初始训练后人体舒适度预测模型进行验证,并在验证通过
后得到训练后人体舒适度预测模型。5.根据权利要求4所述的一种基于深度学习的人体舒适度预测方法,其特征在于:所述初始化后人体舒适度预测模型的误差值...
【专利技术属性】
技术研发人员:赵朝义,冉令华,张运红,贺悦,吴海媚,栗玮,
申请(专利权)人:中国标准化研究院,
类型:发明
国别省市:
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。