室內環(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,人們對生活環(huán)境的要求也不斷提高。室內環(huán)境與人們的生活息息相關,其質量高低直接影響到人們生活質量的高低,甚至關乎人類的生存,對室內環(huán)境各參數進行監(jiān)測,并進行舒適度評價,創(chuàng)造一個舒適、安靜、清潔的室內環(huán)境具有非常重要的意義。然而室內環(huán)境是一個綜合環(huán)境,目前對室內環(huán)境舒適度的研究大都只是針對室內熱、光、聲環(huán)境舒適度或空氣品質的某一方面,而沒有將其結合起來。針對此問題,本課題提出一種神經網絡(特征級)和D-S證據理論

2、(決策級)相結合的兩級融合評價結構,將神經網絡的輸出經歸一化處理后直接作為D-S證據理論的一證據,進行決策級證據組合,避免了基本概率賦值函數選取的復雜性和主觀性。
　　本課題的研究工作主要集中在以下幾個方面:
　　(1)確定了室內各環(huán)境舒適度評價指標的選擇及評價等級的劃分,為室內環(huán)境舒適度的融合評價建立了一套基本的評判標準。
　　(2)采用了基于遺傳神經網絡的室內熱環(huán)境舒適度融合評價算法。對比BP網絡和遺傳神經網絡,結

3、果表明:遺傳神經網絡利用遺傳算法進行BP網絡初始權值和閾值的優(yōu)化,訓練速度明顯增快,且預測精度較高。
　　(3)針對影響熱舒適PMV(Predicted Mean Vote)指標的各因素之間存在復雜的非線性關系這一問題,分別利用PCA(Principal Component Analysis)和KPCA(Kernel Principal Component Analysis)對樣本數據進行特征提取,并用PCA+BP網絡、PCA+遺

4、傳神經網絡、KPCA+BP網絡、KPCA+遺傳神經網絡4種方法對室內熱環(huán)境舒適度進行了評價,結果表明: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性,提取完備、有效的樣本特征,對于該室內熱環(huán)境舒適度融合評價問題,KPCA+遺傳神經網絡是最有效的預測方法。
　　(4)采用了基于模糊神經網絡的室內光、聲環(huán)境舒適度及空氣品質融合評價算法,并對模糊神經網絡和模糊綜合評判2種方法進行了對比仿真研究,結果表明:該算法能夠