System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及阳光辐射热领域,尤其涉及基于三维虚拟技术的人体阳光辐射热模型构建方法。
技术介绍
1、随着科技的进步,人们对模拟真实环境的技术需求日益增强。在众多领域中,对人体阳光辐射热模型的模拟是研究的热点之一。这种模型可以帮助我们更好地理解人体在阳光下的热反应,从而在诸如服装设计、室内环境设计、户外运动等领域中实现更为精准的热舒适性控制。现有的技术中,人体阳光辐射热模型的构建方法大多基于二维图像处理或简化的物理模型,无法真实反映人体的热反应。这导致了模型的预测精度不高,无法满足实际应用的需求。因此,开发一种基于三维虚拟技术的人体阳光辐射热模型构建方法,以提供更为精确和真实的热反应模拟,是当前亟待解决的问题。
技术实现思路
1、本专利技术的目的是要提供基于三维虚拟技术的人体阳光辐射热模型构建方法。
2、为达到上述目的,本专利技术是按照以下技术方案实施的:
3、本专利技术包括以下步骤:
4、提取用户所在区域的太阳辐射数据和环境数据,对所述太阳辐射数据和所述环境数据进行预处理;
5、对所述环境数据进行筛选获得度重数据,校正所述阳光辐射数据获得曲度数据;
6、根据所述度重数据和所述曲度数据的偏移量获取辐射衰减系数,根据所述曲度数据和所述衰减系数构造人体阳光辐射热函数;
7、根据所述人体阳光辐射热函数构造人体阳光辐射热模型,根据误差优化所述人体阳光辐射热模型,输出目标模型。
8、进一步的,对所述环境数据进行
9、将环境数据进行单峰映射,表达式为:
10、
11、其中迭代次数为t,混沌因子为α,第t次迭代的度重数据为st,第t+1次迭代的度重数据为st+1,正弦函数为sin(·),计算筛选子的适应度:
12、
13、其中环境数据的数量为m,筛选后的数据数量为mc,分类器的分类错误率为ero,分类质量的重要性为δ,适应度函数为y,对适应度值进行降序排序,更新筛选子初始能量,设定筛选子的初始位置,表达式为:
14、
15、其中第t+1次迭代的个体位置为u(t+1),第t次迭代随机选择的个体位置为uι(t),第t次迭代的馄饨数为bt,第t次迭代的个体位置为u(t),第t次迭代种群的平均位置为第t次迭代筛选子的位置为uκ(t),种群的上界为yb,种群的下界为cb,随机数为ι,如果逃逸能量的绝对值大于1且随机数ι大于自适应算子,则引入自适应算子调整搜索范围,表达式为:
16、
17、
18、自适应算子为br,最大迭代次数为t,自适应算子的上界为brmax,自适应算子的下界为brmin,如果逃逸能量的绝对值小于1且大于0.5、随机数ι大于0.5,则更新筛选子的逃逸能量和跳跃距离,表达式为:
19、
20、
21、其中筛选子的逃逸能量为q,筛选子的跳跃距离为随机数为a1,对数惯性系数为ζ,如果随机数ι大于0.5且逃逸能量的绝对值小于0.5,则更新筛选子的位置,表达式为:
22、
23、其中筛选子位置与个体当前位置的差值为δu(t),如果随机数ι小于0.5,则更新筛选子的逃逸能量和跳跃距离,调整筛选过程、更新筛选子位置,表达式为:
24、
25、
26、其中步长参数为β,不断迭代直到无法筛选,将最优筛选数据子集输出为度重数据。
27、进一步的,校正所述阳光辐射数据获得曲度数据的方法,包括:
28、计算阳光辐射数据的属性值:
29、
30、其中权重衰减速度为空间中散乱的阳光辐射数据阳光辐射数据c的z坐标值为插值位置与采样点之间的欧式距离为散乱阳光辐射数据的数量为散乱阳光辐射数据的坐标为(x,cy,cz);
31、当属性值接近0时将阳光辐射数据称为点云数据,将点云数据坐标中的样本从其余的计算中删除,确定差值点的邻域半径;
32、通过检索插值点邻域半径实现反距离加权,计算插值点的权重值:
33、
34、其中第m个样点的权重值为根据权重阈值筛选插值点,将筛选出的插值点添加到阳光辐射数据中得到曲度数据。
35、进一步的,根据所述度重数据和所述曲度数据的偏移量获取辐射衰减系数的方法,包括:
36、将度重数据和曲度数据对应相减得到偏移量,根据偏移量构建聚类的输入层边界,表达式为:
37、
38、其中偏移量数据集合为p,数据集合的聚类数量n,第i个聚类的维度特征为第an个偏移量数据的维度特征为偏移量数据的数量为p;
39、计算偏移量数据样本的迭代模式,自适应迭代的权重值,确定迭代后特征点的分类;
40、在分类迭代后,筛选条件为:
41、
42、其中第i个聚类的特征点为vi,第i个聚类的权重为平滑阈值为筛选偏移量数据,根据筛选后的偏移量数据计算辐射衰减系数:
43、
44、其中衰减系数为第μ个衰减调整因子为路径损耗衰减指数为ξ,大气能见度为第μ个阳光波长为υμ,波长修正因子为ω,阳光波长的数量为λ,阳光的参考距离为阳光的实际距离为
45、进一步的,根据所述曲度数据和所述衰减系数构造人体阳光辐射热函数的方法,包括:
46、
47、其中人体阳光辐射热函数为第个三角形面的太阳光的辐射强度为三角形面的数量为第个三角形面的与入射光的夹角为第个三角形面的衰减系数为构成人体或服装的第i个三角形面的面积为
48、进一步的,根据所述人体阳光辐射热函数构造人体阳光辐射热模型的方法,包括将人体阳光辐射热函数作为人体阳光辐射热模型的目标函数;
49、人体阳光辐射热模型包括决策树算法、循环神经网络算法、深度机器学习算法和粒子群优化算法;决策树算法将太阳辐射数据和环境数据进行分类,随机按照7:3挑选分类后的数据获得训练集和测试集;循环神经网络算法通过提取训练集数据特征,根据特征学习阳光辐射规律;深度机器学习算法根据阳光辐射规律进行阳光辐射模拟获得模拟场景;粒子群优化算法根据模拟场景的模拟阳光辐射热和实际阳光辐射热的误差进行超参数调整,直到误差低于0.14。
50、进一步的,根据误差优化所述人体阳光辐射热模型的方法,包括:
51、进行混沌映射生成初始种群,表达式为:
52、
53、其中第i个厨师个体为oi,混沌参量为ε,根据混沌映射生成优化种群位置矩阵,更新优化子的位置,表达式为:
54、
55、其中优化子出现的概率为ddp,误差距离为bs,误差系数实现全局与局部搜索之间的平衡为hc,随机数为r1、r2、r3,随机位置为randomlocation,第t+1迭代优化子在变化类别中的位置为第t迭代优化子在变化类别中的位置为第t迭代优化本文档来自技高网...
【技术保护点】
1.基于三维虚拟技术的人体阳光辐射热模型构建方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于三维虚拟技术的人体阳光辐射热模型构建方法,其特征在于,对所述环境数据进行筛选获得度重数据的方法,包括:
3.根据权利要求1所述的基于三维虚拟技术的人体阳光辐射热模型构建方法,其特征在于,校正所述阳光辐射数据获得曲度数据的方法,包括:
4.根据权利要求1所述的基于三维虚拟技术的人体阳光辐射热模型构建方法,其特征在于,根据所述度重数据和所述曲度数据的偏移量获取辐射衰减系数的方法,包括:
5.根据权利要求1所述的基于三维虚拟技术的人体阳光辐射热模型构建方法,其特征在于,根据所述曲度数据和所述衰减系数构造人体阳光辐射热函数的方法,包括:
6.根据权利要求1所述的基于三维虚拟技术的人体阳光辐射热模型构建方法,其特征在于,根据所述人体阳光辐射热函数构造人体阳光辐射热模型的方法,包括将人体阳光辐射热函数作为人体阳光辐射热模型的目标函数;
7.根据权利要求1所述的基于三维虚拟技术的人体阳光辐射热模型构建方法,其特征在于,
...【技术特征摘要】
1.基于三维虚拟技术的人体阳光辐射热模型构建方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于三维虚拟技术的人体阳光辐射热模型构建方法,其特征在于,对所述环境数据进行筛选获得度重数据的方法,包括:
3.根据权利要求1所述的基于三维虚拟技术的人体阳光辐射热模型构建方法,其特征在于,校正所述阳光辐射数据获得曲度数据的方法,包括:
4.根据权利要求1所述的基于三维虚拟技术的人体阳光辐射热模型构建方法,其特征在于,根据所述度重数据和所述曲度数据的偏移量获取辐射衰减系数的方法,包...
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。