CN108492044A - 基于人工神经网络模型的室内舒适度综合评价系统及方法 - Google Patents

基于人工神经网络模型的室内舒适度综合评价系统及方法 Download PDF

Info

Publication number
CN108492044A
CN108492044A CN201810279697.9A CN201810279697A CN108492044A CN 108492044 A CN108492044 A CN 108492044A CN 201810279697 A CN201810279697 A CN 201810279697A CN 108492044 A CN108492044 A CN 108492044A
Authority
CN
China
Prior art keywords
bird
neural network
network model
indoor environment
indoor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810279697.9A
Other languages
English (en)
Inventor
谢苗苗
李华龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yangze River And Huai River Institute Of University Of Anhui
Original Assignee
Yangze River And Huai River Institute Of University Of Anhui
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yangze River And Huai River Institute Of University Of Anhui filed Critical Yangze River And Huai River Institute Of University Of Anhui
Priority to CN201810279697.9A priority Critical patent/CN108492044A/zh
Publication of CN108492044A publication Critical patent/CN108492044A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明特别涉及一种基于人工神经网络模型的室内舒适度综合评价系统及方法，该系统包括数据采集单元、数据传输单元和远程服务器，所述的数据采集单元用于采集室内温度、相对湿度、平均辐射温度、光照强度、风速、噪声以及CO2含量并将所采集到的数据通过数据传输单元传输至远程服务器上，远程服务器将接收到的数据代入神经网络模型计算后得到室内环境舒适度，该神经网络模型利用布谷鸟搜索算法训练得出。采集噪声和CO2含量可进一步提高室内环境舒适度评价的准确性；采用布谷鸟搜索算法对神经网络模型进行优化，可避免神经网络陷入局部最优解，从而可以有效提高模型的精确度，且加快运算速度、减少系统误差。

Description

基于人工神经网络模型的室内舒适度综合评价系统及方法
技术领域
本发明属于室内环境调节技术领域，特别涉及一种基于人工神经网络模型的室内舒适度综合评价系统及方法。
背景技术
室内环境的好坏对人体的身心健康、舒适度以及工作效率都有直接的影响，随着人们生活水平的不断提高，人们对室内环境的舒适性要求也越来越高。目前在室内环境舒适度评价方面，普遍采用人工智能算法，例如基于模糊理论的评价模型,利用最大隶属度函数和模糊评判矩阵，来完成综合评价，但模糊理论有着它致命的缺陷,即由各专家确定的各指标权重带有一定的主观性,不符合科学性的原则,并且在某些情况下, 隶属函数的确定有着一定的困难。另外运用较多的是基于神经网络的综合评价模型，该模型有着自适应性和学习能力强的特点,但也存在着网络结构选择困难、过学习以及很难保证全局最优等问题,不利于辨识模型建立和泛化应用。
发明内容
本发明的首要目的在于提供一种基于人工神经网络模型的室内舒适度综合评价系统，精确度高且运算速度快。
为实现以上目的，本发明采用的技术方案为：一种基于人工神经网络模型的室内舒适度综合评价系统，包括数据采集单元、数据传输单元和远程服务器，所述的数据采集单元用于采集室内温度、相对湿度、平均辐射温度、光照强度、风速、噪声以及CO2含量并将所采集到的数据通过数据传输单元传输至远程服务器上，远程服务器将接收到的数据代入神经网络模型计算后得到室内环境舒适度，该神经网络模型利用布谷鸟搜索算法训练得出。
与现有技术相比，本发明存在以下技术效果：通过增加噪声和CO2含量的采集，进一步提高室内环境舒适度评价的准确性；同时，采用布谷鸟搜索算法对神经网络模型进行优化，搜索确立神经网络最优的权值和阈值，可避免神经网络陷入局部最优解，从而可以有效提高模型的精确度，且加快运算速度、减少系统误差。
本发明的另一个目的在于提供一种基于人工神经网络模型的室内舒适度综合评价方法，精确度高且运算速度快。
为实现以上目的，本发明采用的技术方案为：包括如下步骤：(A) 远程服务器将室内环境参数作为输入、标准有效温度作为输出，利用布谷鸟搜索算法优化人工神经网络进行模型训练得到有效的神经网络模型；(B)数据采集单元采集室内环境参数，室内环境参数包括室内温度、相对湿度、平均辐射温度、光照强度、风速、噪声以及CO2含量；(C) 将室内环境参数通过数据传输单元发送至远程服务器；(D)远程服务器将室内环境参数代入神经网络模型中计算得到室内环境舒适度。
与现有技术相比，本发明存在以下技术效果：通过增加噪声和CO2含量的采集，进一步提高室内环境舒适度评价的准确性；同时，采用布谷鸟搜索算法对神经网络模型进行优化，搜索确立神经网络最优的权值和阈值，可避免神经网络陷入局部最优解，从而可以有效提高模型的精确度，且加快运算速度、减少系统误差。
附图说明
图1是本发明评价系统的原理框图；
图2是布谷鸟搜索算法优化神经网络结构图；
图3是本发明评价方法的流程图。
具体实施方式
下面结合图1至图3，对本发明做进一步详细叙述。
参阅图1，一种基于人工神经网络模型的室内舒适度综合评价系统，包括数据采集单元10、数据传输单元20和远程服务器30，所述的数据采集单元10用于采集室内温度、相对湿度、平均辐射温度、光照强度、风速、噪声以及CO2含量并将所采集到的数据通过数据传输单元20传输至远程服务器30上，远程服务器30将接收到的数据代入神经网络模型计算后得到室内环境舒适度，该神经网络模型利用布谷鸟搜索算法训练得出。通过增加噪声和CO2含量的采集，进一步提高室内环境舒适度评价的准确性；同时，采用布谷鸟搜索算法对神经网络模型进行优化，搜索确立神经网络最优的权值和阈值，可避免神经网络陷入局部最优解，从而可以有效提高模型的精确度，且加快运算速度、减少系统误差。
具体地，所述的数据采集单元10包括用于采集室内温度和相对湿度的温湿度传感器11、用于采集平均辐射温度的多功能辐射热计12、用于采集光照强度的光照传感器13、用于采集风速的风速传感器14、用于采集室内环境噪音的噪声传感器15以及用于采集室内空气中二氧化碳含量的二氧化碳传感器16，这些传感器均与数据传输单元20相连，并将采集到的数据通过数据传输单元20发送出去。所述的数据传输单元20由GPRS模块、Zigbee模块以及WIFI模块中的一种或多种构成，用户可根据室内实际现场环境和网络类型，选配相应的无线传输模式，当然也可以选用有线的方式。
优选地，所述的远程服务器30包括存储模块31和中央处理器32，存储模块31用于存储接收到的室内环境参数，提供环境数据传输和信息支持；中央处理器32利用布谷鸟搜索算法优化人工神经网络并通过训练传输得到的数据得出有效的神经网络模型，这里传输得到的数据即为室内环境参数和其对应的标准有效温度，这个标准有效温度可以用现有技术中的模型计算得出，这些数据主要用于中央处理器32中的人工神经网络的训练。当训练完成后，就可以直接进行数据处理了，即中央处理器32从存储模块中读取室内环境参数并代入神经网络模型计算得到室内环境舒适度。
参阅图3，一种如前所述的基于人工神经网络模型的室内舒适度综合评价系统的评价方法，包括如下步骤：(A)远程服务器30将室内环境参数作为输入、标准有效温度作为输出，利用布谷鸟搜索算法优化人工神经网络进行模型训练得到有效的神经网络模型；(B)数据采集单元 10采集室内环境参数，室内环境参数包括室内温度、相对湿度、平均辐射温度、光照强度、风速、噪声以及CO2含量，通过增加噪声和CO2含量的采集，进一步提高室内环境舒适度评价的准确性；(C)将室内环境参数通过数据传输单元20发送至远程服务器30；(D)远程服务器30将室内环境参数代入神经网络模型中计算得到室内环境舒适度。采用布谷鸟搜索算法对神经网络模型进行优化，搜索确立神经网络最优的权值和阈值，可避免神经网络陷入局部最优解，从而可以有效提高模型的精确度，且加快运算速度、减少系统误差。
参阅图2，所述的步骤A中，通过如下步骤训练得到有效的神经网络模型：(S1)建立利用布谷鸟搜索算法优化的三层前馈型BP神经网络，该BP神经网络包括输入层、隐含层和输出层，输入层包括室内温度、相对湿度、平均辐射温度、光照强度、风速、噪声以及CO2含量，输出层为标准有效温度，隐含层的节点数为8个；(S2)随机产生n个鸟巢位置每一个鸟巢位置对应一组BP神经网络初始连接权值和阈值，神经网络根据初始值对采集的室内环境参数和标准有效温度的训练集进行训练，计算魅族鸟巢位置所对应的预测值并根据预测值来找到当前的最优鸟巢位置的值；(S3)保留训练得到的最优鸟巢位置，根据以下公式对其余的鸟巢进行训练更新得到一组新的鸟巢位置：
式中，rand是[0,1]之间的一个随机数，是附近的一个鸟巢；将得到的新的鸟巢位置与步骤S2的鸟巢位置进行比较，根据比较结果，用较好的鸟巢位置替代较差的鸟巢位置从而得到一组较优鸟巢位置(S4)利用动态因子ω·t(m)按照公式P＇t＝Pt+Pt·ω·t(m)对其进行混沌扰动，得到一组新的鸟巢位置，式中，动态参数ω＝(1/k)0.25，k为迭代次数，t(m)是自由度为m的T分布且(S5)从步骤S4得到鸟巢组中确定最优鸟巢位置，并用此位置值进行测试，如果满足设定的精度要求，则停止搜索并进入下一步；否则返回步骤S3继续搜索；(S6)用步骤S5得到的最优鸟巢位置的对应参数，作为BP神经网络初始连接权值和阈值，对训练集重新训练得到有效的神经网络模型。通过该步骤，可以很好的对人工神经网络进行训练，从而建立比较准确的神经网络模型，使得室内舒适度评价更为精准。

Claims (5)

1.一种基于人工神经网络模型的室内舒适度综合评价系统，其特征在于：包括数据采集单元(10)、数据传输单元(20)和远程服务器(30)，所述的数据采集单元(10)用于采集室内温度、相对湿度、平均辐射温度、光照强度、风速、噪声以及CO2含量并将所采集到的数据通过数据传输单元(20)传输至远程服务器(30)上，远程服务器(30)将接收到的数据代入神经网络模型计算后得到室内环境舒适度，该神经网络模型利用布谷鸟搜索算法训练得出。
2.如权利要求1所述的基于人工神经网络模型的室内舒适度综合评价系统，其特征在于：所述的数据采集单元(10)包括温湿度传感器(11)、多功能辐射热计(12)、光照传感器(13)、风速传感器(14)、噪声传感器(15)以及二氧化碳传感器(16)；所述的数据传输单元(20)由GPRS模块、Zigbee模块以及WIFI模块中的一种或多种构成。
3.如权利要求1所述的基于人工神经网络模型的室内舒适度综合评价系统，其特征在于：所述的远程服务器(30)包括存储模块(31)和中央处理器(32)，存储模块(31)用于存储接收到的室内环境参数，中央处理器(32)利用布谷鸟搜索算法优化人工神经网络并通过训练传输得到的数据得出有效的神经网络模型，中央处理器(32)从存储模块中读取室内环境参数并代入神经网络模型计算得到室内环境舒适度。
4.一种如权利要求1所述的基于人工神经网络模型的室内舒适度综合评价系统的评价方法，包括如下步骤：
(A)远程服务器(30)将室内环境参数作为输入、标准有效温度作为输出，利用布谷鸟搜索算法优化人工神经网络进行模型训练得到有效的神经网络模型；
(B)数据采集单元(10)采集室内环境参数，室内环境参数包括室内温度、相对湿度、平均辐射温度、光照强度、风速、噪声以及CO2含量；
(C)将室内环境参数通过数据传输单元(20)发送至远程服务器(30)；
(D)远程服务器(30)将室内环境参数代入神经网络模型中计算得到室内环境舒适度。
5.如权利要求4所述的基于人工神经网络模型的室内舒适度综合评价方法，其特征在于：所述的步骤A中，通过如下步骤训练得到有效的神经网络模型：
(S1)建立利用布谷鸟搜索算法优化的三层前馈型BP神经网络，该BP神经网络包括输入层、隐含层和输出层，输入层包括室内温度、相对湿度、平均辐射温度、光照强度、风速、噪声以及CO2含量，输出层为标准有效温度，隐含层的节点数为8个；
(S2)随机产生n个鸟巢位置每一个鸟巢位置对应一组BP神经网络初始连接权值和阈值，神经网络根据初始值对采集的室内环境参数和标准有效温度的训练集进行训练，计算魅族鸟巢位置所对应的预测值并根据预测值来找到当前的最优鸟巢位置的值；
(S3)保留训练得到的最优鸟巢位置，根据以下公式对其余的鸟巢进行训练更新得到一组新的鸟巢位置：
式中，rand是[0,1]之间的一个随机数，是附近的一个鸟巢；
将得到的新的鸟巢位置与步骤S2的鸟巢位置进行比较，根据比较结果，用较好的鸟巢位置替代较差的鸟巢位置从而得到一组较优鸟巢位置
(S4)利用动态因子ω·t(m)按照公式P′t＝Pt+Pt·ω·t(m)对其进行混沌扰动，得到一组新的鸟巢位置，式中，动态参数ω＝(1/k)0.25，k为迭代次数，t(m)是自由度为m的T分布且
(S5)从步骤S4得到鸟巢组中确定最优鸟巢位置，并用此位置值进行测试，如果满足设定的精度要求，则停止搜索并进入下一步；否则返回步骤S3继续搜索；
(S6)用步骤S5得到的最优鸟巢位置的对应参数，作为BP神经网络初始连接权值和阈值，对训练集重新训练得到有效的神经网络模型。
CN201810279697.9A 2018-04-01 2018-04-01 基于人工神经网络模型的室内舒适度综合评价系统及方法 Pending CN108492044A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810279697.9A CN108492044A (zh) 2018-04-01 2018-04-01 基于人工神经网络模型的室内舒适度综合评价系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810279697.9A CN108492044A (zh) 2018-04-01 2018-04-01 基于人工神经网络模型的室内舒适度综合评价系统及方法

Publications (1)

Publication Number Publication Date
CN108492044A true CN108492044A (zh) 2018-09-04

Family

ID=63317765

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810279697.9A Pending CN108492044A (zh) 2018-04-01 2018-04-01 基于人工神经网络模型的室内舒适度综合评价系统及方法

Country Status (1)

Country Link
CN (1) CN108492044A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919513A (zh) * 2019-03-22 2019-06-21 吉林建筑大学 一种基于寒地装配式民居建筑物的物理环境评价方法
CN109922478A (zh) * 2019-01-14 2019-06-21 北京工商大学 一种基于改进布谷鸟算法的水质传感器网络优化部署方法
CN110197186A (zh) * 2019-06-03 2019-09-03 清华大学 一种基于ppg的光照舒适度测量方法及系统
CN110850713A (zh) * 2019-09-23 2020-02-28 重庆特斯联智慧科技股份有限公司 一种边缘化数据处理的城市公共设施调控方法和系统
WO2020056812A1 (zh) * 2018-09-21 2020-03-26 苏州数言信息技术有限公司 用于评价室内环境质量的环境参数权重确定方法及系统
CN112816000A (zh) * 2021-02-26 2021-05-18 华南理工大学 绿色建筑群室内外风环境质量的综合指数评价方法及系统
CN112947637A (zh) * 2021-01-29 2021-06-11 安徽佳美瑞物联科技有限公司 一种办公环境智能调节系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102680025A (zh) * 2012-06-06 2012-09-19 安徽农业大学 一种室内热舒适度评价系统
CN105698861A (zh) * 2016-03-04 2016-06-22 广东轻工职业技术学院 一种室内环境舒适度评价方法
CN107153869A (zh) * 2017-03-29 2017-09-12 南昌大学 一种基于布谷鸟搜索优化神经网络的变压器故障诊断方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102680025A (zh) * 2012-06-06 2012-09-19 安徽农业大学 一种室内热舒适度评价系统
CN105698861A (zh) * 2016-03-04 2016-06-22 广东轻工职业技术学院 一种室内环境舒适度评价方法
CN107153869A (zh) * 2017-03-29 2017-09-12 南昌大学 一种基于布谷鸟搜索优化神经网络的变压器故障诊断方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
任伟建等: "基于CS的神经网络在抽油机故障诊断中的应用 ", 《吉林大学学报(信息科学版)》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020056812A1 (zh) * 2018-09-21 2020-03-26 苏州数言信息技术有限公司 用于评价室内环境质量的环境参数权重确定方法及系统
CN109922478A (zh) * 2019-01-14 2019-06-21 北京工商大学 一种基于改进布谷鸟算法的水质传感器网络优化部署方法
CN109922478B (zh) * 2019-01-14 2021-10-22 北京工商大学 一种基于改进布谷鸟算法的水质传感器网络优化部署方法
CN109919513A (zh) * 2019-03-22 2019-06-21 吉林建筑大学 一种基于寒地装配式民居建筑物的物理环境评价方法
CN109919513B (zh) * 2019-03-22 2021-06-04 吉林建筑大学 一种基于寒地装配式民居建筑物的物理环境评价方法
CN110197186A (zh) * 2019-06-03 2019-09-03 清华大学 一种基于ppg的光照舒适度测量方法及系统
CN110197186B (zh) * 2019-06-03 2022-03-11 清华大学 一种基于ppg的光照舒适度测量方法及系统
CN110850713A (zh) * 2019-09-23 2020-02-28 重庆特斯联智慧科技股份有限公司 一种边缘化数据处理的城市公共设施调控方法和系统
CN110850713B (zh) * 2019-09-23 2023-01-24 重庆特斯联智慧科技股份有限公司 一种边缘化数据处理的城市公共设施调控方法和系统
CN112947637A (zh) * 2021-01-29 2021-06-11 安徽佳美瑞物联科技有限公司 一种办公环境智能调节系统
CN112816000A (zh) * 2021-02-26 2021-05-18 华南理工大学 绿色建筑群室内外风环境质量的综合指数评价方法及系统

Similar Documents

Publication Publication Date Title
CN108492044A (zh) 基于人工神经网络模型的室内舒适度综合评价系统及方法
CN107535036B (zh) 用于改善照明控制的方法和系统
Mujan et al. Influence of indoor environmental quality on human health and productivity-A review
Ferrer-Cid et al. Multisensor data fusion calibration in IoT air pollution platforms
CN104374053B (zh) 一种智能控制方法、装置及系统
CN105320184B (zh) 建筑室内环境智能监控系统
CN104008417B (zh) 建立高层建筑人员疏散生物荧光粒子群优化算法模型方法
CN107329511A (zh) 基于适宜根温区间的水培蔬菜光环境高效调控方法与系统
CN114688650B (zh) 一种基于计算机视觉技术的喷雾降温风扇控制系统及方法
CN114200839B (zh) 一种耦合环境行为动态监测的办公建筑能耗智能控制模型
Wang Greenhouse data acquisition system based on ZigBee wireless sensor network to promote the development of agricultural economy
CN106793072A (zh) 一种室内定位系统快速搭建方法
CN110377084A (zh) 一种基于智慧控制策略的建筑室内环境调控方法
CN205507512U (zh) 一种物联网控制的植物生长监控系统
CN104469936A (zh) 基于智能空间的无线信号衰减模型的混合定位方法及系统
CN117391487A (zh) 基于机器学习对社区运营匹配性评估诊断和规划的方法
CN109435630A (zh) 一种基于人工神经网络算法的乘员舱温度控制方法
Goli et al. Hybrid neural network and improved cuckoo optimization algorithm for forecasting thermal comfort index at urban open spaces
DeLorenzo et al. Smarter spaces, smarter campus
CN109858576A (zh) 气体渐进式自反馈浓度熵变预测方法、系统及存储介质
CN114886380A (zh) 一种热舒适性检测设备和系统
Wang et al. Study on factors correlation of personal lighting comfort model in cyber-physical human centric systems
Cui et al. Study on decoupling control system of temperature and humidity in intelligent plant factory
CN106202986A (zh) 一种基于增量式神经网络模型的扁桃体炎预测方法和预测系统
CN106407694A (zh) 一种基于增量式神经网络模型的神经衰弱预测方法和预测系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180904

RJ01 Rejection of invention patent application after publication