基于深度学习的人体冷热舒适度预测方法技术

本发明专利技术为一种基于深度学习的人体冷热舒适度预测方法，首先获取数据集，数据集的每个样本包括环境参数序列和个体生理参数序列，样本标签包括主观冷热感觉和舒适度两种；接着，对数据集进行预处理，并对预处理后的数据进行切片，得到若干个数据切片；然后，构建冷热感觉分类模型，用于提取反映人体冷热感觉的深层特征和冷热感觉的预测；构建冷舒适分类模型和热舒适分类模型；最后，将训练后的冷热感觉分类模型、冷舒适分类模型和热舒适分类模型进行重组，得到冷热舒适度预测模型；根据冷热感觉分类模型的冷热感觉预测结果，将深层特征输入到冷舒适分类模型或热舒适分类模型中，进行舒适度预测。该方法遵循人体体温调节的神经机制，对不同感觉下的舒适度进行区分，分别预测冷热感觉和舒适度，更加贴合个体的主观真实感受。

【技术实现步骤摘要】

本专利技术属于热舒适预测，具体为一种基于深度学习的人体冷热舒适度预测方法。

技术介绍

1、热舒适预测具有双重作用：一方面，为用户提供最佳的室内环境，另一方面，提高建筑环境舒适度和建筑能源利用效率。pmv模型是目前主流的热舒适预测方法之一，模型所使用的表征人体热反应的评价指标代表了同一环境中大多数人冷热感觉的平均，作为热环境通用指标，很难根据衣服热阻、个体差异等因素实时预测个人的冷热舒适感受，该模型对人群的热舒适度评估具有参考意义，但是难以准确预测个体的热舒适度。此外，由于主观性和个体差异性等原因，冷热舒适度的量化和预测一直存在挑战。

2、随着高性能传感器和人工智能的发展，利用数据驱动和机器学习建立的热舒适模型逐渐成为未来的发展趋势之一，现有的热舒适模型更多的考虑不同个体之间的差异，如年龄、性别、服装热阻等，通过智能可穿戴设备获取人体生理指标，从而通过传统的机器学习技术对热舒适度进行预测。然而，人体体温调节的神经机制指出，人体的温度感知主要由两类感觉神经元介导，分别在温暖和寒冷两种环境下激活，不同环境下的激活程度和方式不同，因此冷热不同感觉下人体本文档来自技高网...

【技术保护点】

1.一种基于深度学习的人体冷热舒适度预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习的人体冷热舒适度预测方法，其特征在于，步骤1中，获取不同环境参数下的个体生理参数，并进行冷热感觉与舒适度主观评价；环境参数包括环境温度和湿度，个体生理参数包括手腕、胸前、小臂和小腿四个部位的温度和脉搏率；在主观评价中，将冷热感觉分为冷、凉、稍凉、中性、稍暖、暖、热七个等级，舒适度分为很不舒适、不舒适、稍不舒适、中性、稍舒适、舒适、很舒适七个等级。

3.根据权利要求1或2所述的基于深度学习的人体冷热舒适度预测方法，其特征在于，步骤2中，预处理包括异常值剔除、...

【技术特征摘要】

1.一种基于深度学习的人体冷热舒适度预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习的人体冷热舒适度预测方法，其特征在于，步骤1中，获取不同环境参数下的个体生理参数，并进行冷热感觉与舒适度主观评价；环境参数包括环境温度和湿度，个体生理参数包括手腕、胸前、小臂和小腿四个部位的温度和脉搏率；在主观评价中，将冷热感觉分为冷、凉、稍凉、中性、稍暖、暖、热七个等级，舒适度分为很不舒适、不舒适、稍不舒适、中性、稍舒适、舒适、很舒适七个等级。

3.根据权利要求1或2所述的基于深度学习的人体冷热舒适度预测方法，其特征在于，步骤2中，预处...

【专利技术属性】
技术研发人员：唐际珅，邓斌，王江，赵全发，杨轶闵，李继磊，李萍，卢静，宋左婷，尚喆，
申请(专利权)人：天津大学，
类型：发明
国别省市：