室內(nèi)環(huán)境多信息融合算法的研究.pdf

1、隨著人們生活水平的不斷改善,人們對(duì)生活環(huán)境的要求也不斷提高。室內(nèi)環(huán)境與人們的生活息息相關(guān),其質(zhì)量高低直接影響到人們生活質(zhì)量的高低,甚至關(guān)乎人類的生存,對(duì)室內(nèi)環(huán)境各參數(shù)進(jìn)行監(jiān)測(cè),并進(jìn)行舒適度評(píng)價(jià),創(chuàng)造一個(gè)舒適、安靜、清潔的室內(nèi)環(huán)境具有非常重要的意義。然而室內(nèi)環(huán)境是一個(gè)綜合環(huán)境,目前對(duì)室內(nèi)環(huán)境舒適度的研究大都只是針對(duì)室內(nèi)熱、光、聲環(huán)境舒適度或空氣品質(zhì)的某一方面,而沒有將其結(jié)合起來。針對(duì)此問題,本課題提出一種神經(jīng)網(wǎng)絡(luò)(特征級(jí))和D-S證據(jù)理論

2、(決策級(jí))相結(jié)合的兩級(jí)融合評(píng)價(jià)結(jié)構(gòu),將神經(jīng)網(wǎng)絡(luò)的輸出經(jīng)歸一化處理后直接作為D-S證據(jù)理論的一證據(jù),進(jìn)行決策級(jí)證據(jù)組合,避免了基本概率賦值函數(shù)選取的復(fù)雜性和主觀性。
　　本課題的研究工作主要集中在以下幾個(gè)方面:
　　(1)確定了室內(nèi)各環(huán)境舒適度評(píng)價(jià)指標(biāo)的選擇及評(píng)價(jià)等級(jí)的劃分,為室內(nèi)環(huán)境舒適度的融合評(píng)價(jià)建立了一套基本的評(píng)判標(biāo)準(zhǔn)。
　　(2)采用了基于遺傳神經(jīng)網(wǎng)絡(luò)的室內(nèi)熱環(huán)境舒適度融合評(píng)價(jià)算法。對(duì)比BP網(wǎng)絡(luò)和遺傳神經(jīng)網(wǎng)絡(luò),結(jié)

3、果表明:遺傳神經(jīng)網(wǎng)絡(luò)利用遺傳算法進(jìn)行BP網(wǎng)絡(luò)初始權(quán)值和閾值的優(yōu)化,訓(xùn)練速度明顯增快,且預(yù)測(cè)精度較高。
　　(3)針對(duì)影響熱舒適PMV(Predicted Mean Vote)指標(biāo)的各因素之間存在復(fù)雜的非線性關(guān)系這一問題,分別利用PCA(Principal Component Analysis)和KPCA(Kernel Principal Component Analysis)對(duì)樣本數(shù)據(jù)進(jìn)行特征提取,并用PCA+BP網(wǎng)絡(luò)、PCA+遺

4、傳神經(jīng)網(wǎng)絡(luò)、KPCA+BP網(wǎng)絡(luò)、KPCA+遺傳神經(jīng)網(wǎng)絡(luò)4種方法對(duì)室內(nèi)熱環(huán)境舒適度進(jìn)行了評(píng)價(jià),結(jié)果表明:KPCA是非線性特征提取的有效方法,可去除變量之間的高階非線性相關(guān)性,提取完備、有效的樣本特征,對(duì)于該室內(nèi)熱環(huán)境舒適度融合評(píng)價(jià)問題,KPCA+遺傳神經(jīng)網(wǎng)絡(luò)是最有效的預(yù)測(cè)方法。
　　(4)采用了基于模糊神經(jīng)網(wǎng)絡(luò)的室內(nèi)光、聲環(huán)境舒適度及空氣品質(zhì)融合評(píng)價(jià)算法,并對(duì)模糊神經(jīng)網(wǎng)絡(luò)和模糊綜合評(píng)判2種方法進(jìn)行了對(duì)比仿真研究,結(jié)果表明:該算法能夠