CN112816000A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN112816000A
CN112816000A CN202110219430.2A CN202110219430A CN112816000A CN 112816000 A CN112816000 A CN 112816000A CN 202110219430 A CN202110219430 A CN 202110219430A CN 112816000 A CN112816000 A CN 112816000A
Authority
CN
China
Prior art keywords
evaluation
environment
module
indoor
outdoor
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
CN202110219430.2A
Other languages
English (en)
Inventor
刘骁
丘建发
包莹
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202110219430.2A priority Critical patent/CN112816000A/zh
Publication of CN112816000A publication Critical patent/CN112816000A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0428—Safety, monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2612—Data acquisition interface

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Automation & Control Theory (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Molecular Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Medical Informatics (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明属于环境评价技术领域，公开了一种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，所述绿色建筑群室内外风环境质量的综合指数评价系统包括：环境分区模块、温度监测模块、中央控制模块、风速监测模块、流通速率监测模块、评价因子确定模块、环境监测模块、评价模型构建模块、模型训练模块、综合评价模块。本发明通过环境评价因子的确定进行环境质量评价模型的构建，并对构建的模型进行训练，得到优化后的环境质量评价模型，这对环境质量的评价效率更高且评价更为准确。本发明的环境质量评价方法能够对室内环境与室外环境进行合理划分，实现对室内环境与室外环境的分别评价，能够实现评价结果的准确性的提升。

Description

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
技术领域
本发明属于环境评价技术领域，尤其涉及一种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。
背景技术
绿色建筑在我国正处于快速发展的阶段，节约能源和提高建筑室内外环境质量是绿色建筑设计的基本要求，而自然通风在节能减排、提高建筑环境舒适度和改善室内空气品质等方面具有至关重要的作用。
绿色建筑风环境设计需要优化建筑与所在基地、周边建筑、主导风向、建筑群体之间的关系，合理选择建筑形体和设计内部空间，合理组织室内空气的流通路径，使建筑充分利用自然资源，获得更好的自然通风条件，同时弱化局部不利风环境的影响，从而创造出舒适安全的室内外风环境。
因此，需要绿色建筑群室内外风环境质量评价为以建筑师为代表的设计团队提供自然通风的定量分析与评估，这对绿色建筑的自然通风优化起着重要作用。如何综合评价建筑群室外风环境质量成为当前的研究和设计热点问题。
目前，计算流体动力学(简称CFD)方法已运用在绿色建筑设计领域，通过求解流体动力学方程组，能够模拟出建筑群室外空气流场，现有室外风环境质量评价的技术往往是结合CFD方法提出的。建筑群风环境评估方法主要有相对舒适度评估法、风速概率统计评估法、风速比评估法等，但是，可靠性需要不断检验和修正，需要建筑师花时间掌握CFD的相关知识。现有的建筑群风环境评估方法有一定的局限性，耗时较长，且进行评价的操作复杂。
通过上述分析，现有技术存在的问题及缺陷为：现有的建筑群风环境评估方法有一定的局限性，耗时较长，且进行评价的操作复杂。
发明内容
针对现有技术存在的问题，本发明提供了一种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。
本发明是这样实现的，一种绿色建筑群室内外风环境质量的综合指数评价方法，所述绿色建筑群室内外风环境质量的综合指数评价方法包括以下步骤：
步骤一，通过环境分区模块利用环境分区程序进行待评价区域的图像采集；将采集的两张图像输入全卷积网络进行识别，得到图像中地、物的分割线；将所述图像中的地作为室外环境，将所述图像中的物作为室内环境；沿分割线进行室内环境与室外环境的分区，得到室内环境与室外环境；通过温度监测模块获取温度传感器的测定值，基于所述测定值来获得对所述温度传感器的测定值变化进行校正的初始值，基于所述测定值来获得用于校正所述温度传感器的灵敏度变化的校正值，以及根据所述初始值和所述校正值，从与所述温度传感器的第一温度相关的测定值中减去与温度传感器的第一温度相关的理论值，计算所述初始值；
步骤二，将通过从与所述温度传感器的第二温度相关的测定值中减去与所述温度传感器的第一温度相关的测定值而获得的值，除以通过从所述第二温度中减去所述第一温度而获得的值，计算得到校正值；利用温度传感器分别进行室内外温度的检测，并利用计算得到的所述初始值以及校正值对检测的室内外温度值进行校正，得到精准的室内外温度值，监测室内外温度变化；通过风速监测模块利用风速传感器进行室外风速的监测，得到室外风速值；通过流通速率监测模块利用流通速率监测器进行室内空气流通速率的监测，得到室内空气流通速率值；
步骤三，通过评价因子确定模块利用评价因子确定程序进行环境评价因子的确定，得到环境评价因子；通过环境监测模块利用环境监测程序获取环境评价因子对应的当前环境数据；通过评价模型构建模块利用评价模型构建程序对确定的环境评价因子进行归类划分处理；建立环境质量评价因子的评价值矩阵；对评价值矩阵进行归一化处理得到处理后的矩阵；计算每个环境评价因子的评价值在处理后的矩阵中的所占的比例；依据环境评价因子的评价值在处理后的矩阵中的所占的比例进行环境质量评价模型的构建，得到构建好的环境质量评价模型；
步骤四，通过模型训练模块利用模型训练程序获取预训练的环境质量评价初始模型，对所述环境质量评价初始模型进行参数初始化；根据第一训练样本集对初始化后的所述环境质量评价初始模型进行训练，得到满足训练结束条件的环境质量评价优化模型；
所述训练过程中所采用的损失函数如下：
Figure BDA0002954030190000031
式中，
Figure BDA0002954030190000032
表示环境质量评价模型输出的评价分数，humani表示人工评价分数，γ表示正则项参数，θ表示环境质量评价模型的参数；
其中：
Figure BDA0002954030190000033
score(c,r)即为环境质量评价模型输出的评分，c为环境数据，r为评价结果，矩阵M作为变换矩阵，α表示偏置参数，β用于将评分进行归一化处理；
步骤五，通过中央控制模块利用主控机控制各个模块正常运行；通过综合评价模块利用综合评价程序将当前环境数据输入环境质量评价优化模型中，结合室外温度以及风速进行室外环境质量的评价，结合室内温度以及流通速率进行室内环境质量的评价。
进一步，所述全卷积网络包括多个卷积层组和多个反卷积层。
进一步，所述卷积层组包括交替排列的卷积层和稀松卷积层。
进一步，所述将采集的两张图像输入全卷积网络进行识别，包括：
(1)将采集的两张图像放入所述全卷积网络；
(2)分别将两张图像经过至少一个所述卷积层组坐标点标记后的图像与经过所有所述卷积层组和至少一个所述反卷积层坐标点标记后的图像进行多次融合，得到融合图像；
(3)分别将两张图像与所述融合图像经过至少一个所述反卷积层坐标点标记后的图像进行多次融合，得到地物分类概率图；
(4)通过CRF概率模型分别对两张地物分类概率图中的地物进行分割，得到两张所述图像中所有地物的分割线。
进一步，步骤(4)中，所述通过CRF概率模型分别对两张地物分类概率图中的地物进行分割，还包括：
通过对比神经网络逐一对两张图像中同一地物的分割线进行对比分析，得到对比分析结果。
进一步，步骤三中，所述环境评价因子包括：空气流通度/风速、环境温度、PM2.5含量。
进一步，所述环境质量评价因子的评价值矩阵为：R＝(rij)m×n；
其中，n为环境评价因子个数，m为环境中需要评价的项目数，rij为第j个因子下第i个项目的评价值。
本发明的另一目的在于提供一种实施所述绿色建筑群室内外风环境质量的综合指数评价方法的绿色建筑群室内外风环境质量的综合指数评价系统，所述绿色建筑群室内外风环境质量的综合指数评价系统包括：
环境分区模块、温度监测模块、中央控制模块、风速监测模块、流通速率监测模块、评价因子确定模块、环境监测模块、评价模型构建模块、模型训练模块、综合评价模块；
环境分区模块，与中央控制模块连接，用于通过环境分区程序进行室内环境与室外环境的分区；
温度监测模块，与中央控制模块连接，用于通过温度传感器分别进行室内外温度的监测；
中央控制模块，与环境分区模块、温度监测模块、风速监测模块、流通速率监测模块、评价因子确定模块、环境监测模块、评价模型构建模块、模型训练模块、综合评价模块连接，用于通过主控机控制各个模块正常运行；
风速监测模块，与中央控制模块连接，用于通过风速传感器进行室外风速的监测，得到室外风速值；
流通速率监测模块，与中央控制模块连接，用于通过流通速率监测器进行室内空气流通速率的监测，得到室内空气流通速率值；
评价因子确定模块，与中央控制模块连接，用于通过评价因子确定程序进行环境评价因子的确定，得到环境评价因子；
环境监测模块，与中央控制模块连接，用于通过环境监测程序获取环境评价因子对应的当前环境数据；
评价模型构建模块，与中央控制模块连接，用于通过评价模型构建程序依据确定的环境评价因子进行环境质量评价模型的构建，得到环境质量评价初始模型；
模型训练模块，与中央控制模块连接，用于通过模型训练程序进行环境质量评价初始模型的训练，得到环境质量评价优化模型；
综合评价模块，与中央控制模块连接，用于通过综合评价程序将当前环境数据输入环境质量评价优化模型中，结合室外温度以及风速进行室外环境质量的评价，结合室内温度以及流通速率进行室内环境质量的评价。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明通过进行环境数据的采集，确定当前室内环境以及室外环境的信息，通过环境评价因子的确定进行环境质量评价模型的构建，并对构建的模型进行训练，得到优化后的环境质量评价模型，这对环境质量的评价效率更高且评价更为准确。本发明的环境质量评价方法能够对室内环境与室外环境进行合理划分，实现对室内环境与室外环境的分别评价，能够实现评价结果的准确性的提升，更好的用于室内室外环境的治理。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的绿色建筑群室内外风环境质量的综合指数评价方法流程图。
图2是本发明实施例提供的绿色建筑群室内外风环境质量的综合指数评价系统结构框图。
图3是本发明实施例提供的通过环境分区模块利用环境分区程序进行室内环境与室外环境的分区流程图。
图4是本发明实施例提供的将采集的两张图像输入全卷积网络进行识别流程图。
图5是本发明实施例提供的通过评价模型构建模块利用评价模型构建程序依据确定的环境评价因子进行环境质量评价模型的构建流程图。
图2中：1、环境分区模块；2、温度监测模块；3、中央控制模块；4、风速监测模块；5、流通速率监测模块；6、评价因子确定模块；7、环境监测模块；8、评价模型构建模块；9、模型训练模块；10、综合评价模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种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，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的绿色建筑群室内外风环境质量的综合指数评价方法包括以下步骤：
S101，通过环境分区模块利用环境分区程序进行室内环境与室外环境的分区；通过温度监测模块利用温度传感器分别进行室内外温度的监测；
S102，通过风速监测模块利用风速传感器进行室外风速的监测，得到室外风速值；通过流通速率监测模块利用流通速率监测器进行室内空气流通速率的监测，得到室内空气流通速率值；
S103，通过评价因子确定模块利用评价因子确定程序进行环境评价因子的确定，得到环境评价因子；通过环境监测模块利用环境监测程序获取环境评价因子对应的当前环境数据；
S104，通过评价模型构建模块利用评价模型构建程序依据确定的环境评价因子进行环境质量评价模型的构建，得到环境质量评价初始模型；通过模型训练模块利用模型训练程序进行环境质量评价初始模型的训练，得到环境质量评价优化模型；
S105，通过中央控制模块利用主控机控制各个模块正常运行；通过综合评价模块利用综合评价程序将当前环境数据输入环境质量评价优化模型中，结合室外温度以及风速进行室外环境质量的评价，结合室内温度以及流通速率进行室内环境质量的评价。
如图2所示，本发明实施例提供的绿色建筑群室内外风环境质量的综合指数评价系统包括：
环境分区模块1、温度监测模块2、中央控制模块3、风速监测模块4、流通速率监测模块5、评价因子确定模块6、环境监测模块7、评价模型构建模块8、模型训练模块9、综合评价模块10；
环境分区模块1，与中央控制模块4连接，用于通过环境分区程序进行室内环境与室外环境的分区；
温度监测模块2，与中央控制模块4连接，用于通过温度传感器分别进行室内外温度的监测；
中央控制模块3，与环境分区模块1、温度监测模块2、风速监测模块3、流通速率监测模块5、评价因子确定模块6、环境监测模块7、评价模型构建模块8、模型训练模块9、综合评价模块10连接，用于通过主控机控制各个模块正常运行；
风速监测模块4，与中央控制模块4连接，用于通过风速传感器进行室外风速的监测，得到室外风速值；
流通速率监测模块5，与中央控制模块4连接，用于通过流通速率监测器进行室内空气流通速率的监测，得到室内空气流通速率值；
评价因子确定模块6，与中央控制模块4连接，用于通过评价因子确定程序进行环境评价因子的确定，得到环境评价因子；
环境监测模块7，与中央控制模块4连接，用于通过环境监测程序获取环境评价因子对应的当前环境数据；
评价模型构建模块8，与中央控制模块4连接，用于通过评价模型构建程序依据确定的环境评价因子进行环境质量评价模型的构建，得到环境质量评价初始模型；
模型训练模块9，与中央控制模块4连接，用于通过模型训练程序进行环境质量评价初始模型的训练，得到环境质量评价优化模型；
综合评价模块10，与中央控制模块4连接，用于通过综合评价程序将当前环境数据输入环境质量评价优化模型中，结合室外温度以及风速进行室外环境质量的评价，结合室内温度以及流通速率进行室内环境质量的评价。
下面结合具体实施例对本发明的技术方案作进一步说明。
实施例1
本发明实施例提供的绿色建筑群室内外风环境质量的综合指数评价方法如图1所示，作为优选实施例，如图3所示，本发明实施例提供的通过环境分区模块利用环境分区程序进行室内环境与室外环境的分区，包括：
S201，进行待评价区域的图像采集；
S202，将采集的两张图像输入全卷积网络进行识别，得到图像中地、物的分割线；
S203，将所述图像中的“地”作为室外环境，将所述图像中的“物”作为室内环境；
S204，沿分割线进行室内环境与室外环境的分区，得到室内环境与室外环境。
步骤S201中，本发明实施例提供的全卷积网络包括多个卷积层组和多个反卷积层。
本发明实施例提供的卷积层组包括交替排列的卷积层和稀松卷积层。
如图4所示，步骤S202中，本发明实施例提供的将采集的两张图像输入全卷积网络进行识别，包括：
S301，将采集的两张图像放入所述全卷积网络；
S302，分别将两张图像经过至少一个所述卷积层组坐标点标记后的图像与经过所有所述卷积层组和至少一个所述反卷积层坐标点标记后的图像进行多次融合，得到融合图像；
S303，分别将两张图像与所述融合图像经过至少一个所述反卷积层坐标点标记后的图像进行多次融合，得到地物分类概率图；
S304，通过CRF概率模型分别对两张地物分类概率图中的地物进行分割，得到两张所述图像中所有地物的分割线。
步骤S304中，本发明实施例提供的通过CRF概率模型分别对两张地物分类概率图中的地物进行分割，还包括：
通过对比神经网络逐一对两张图像中同一地物的分割线进行对比分析，得到对比分析结果。
实施例2
本发明实施例提供的绿色建筑群室内外风环境质量的综合指数评价方法如图1所示，作为优选实施例，本发明实施例提供的温度监测模块通过温度传感器分别进行室内外温度的监测包括：
通过温度监测模块获取温度传感器的测定值，基于所述测定值来获得对所述温度传感器的测定值变化进行校正的初始值，基于所述测定值来获得用于校正所述温度传感器的灵敏度变化的校正值，以及根据所述初始值和所述校正值，从与所述温度传感器的第一温度相关的测定值中减去与温度传感器的第一温度相关的理论值，计算所述初始值；将通过从与所述温度传感器的第二温度相关的测定值中减去与所述温度传感器的第一温度相关的测定值而获得的值，除以通过从所述第二温度中减去所述第一温度而获得的值，计算得到校正值；利用温度传感器分别进行室内外温度的检测，并利用计算得到的所述初始值以及校正值对检测的室内外温度值进行校正，得到精准的室内外温度值，监测室内外温度变化。
实施例3
本发明实施例提供的绿色建筑群室内外风环境质量的综合指数评价方法如图1所示，作为优选实施例，本发明实施例提供的环境评价因子包括：空气流通度/风速、环境温度、PM2.5含量。
实施例4
本发明实施例提供的绿色建筑群室内外风环境质量的综合指数评价方法如图1所示，作为优选实施例，如图5所示，本发明实施例提供的通过评价模型构建模块利用评价模型构建程序依据确定的环境评价因子进行环境质量评价模型的构建，包括：
S401，对环境评价因子归类划分处理；
S402，建立环境质量评价因子的评价值矩阵；
S403，对评价值矩阵进行归一化处理得到处理后的矩阵；
S404，计算每个环境评价因子的评价值在处理后的矩阵中的所占的比例；
S405，依据环境评价因子的评价值在处理后的矩阵中的所占的比例进行环境质量评价模型的构建。
步骤S402中，本发明实施例提供的环境质量评价因子的评价值矩阵为：R＝(rij)m×n；
其中，n为环境评价因子个数，m为环境中需要评价的项目数，rij为第j个因子下第i个项目的评价值。
实施例5
本发明实施例提供的绿色建筑群室内外风环境质量的综合指数评价方法如图1所示，作为优选实施例，本发明实施例提供的模型训练模块通过模型训练程序进行环境质量评价初始模型的训练，得到环境质量评价优化模型包括：
通过模型训练模块利用模型训练程序获取预训练的环境质量评价初始模型，对所述环境质量评价初始模型进行参数初始化；根据第一训练样本集对初始化后的所述环境质量评价初始模型进行训练，得到满足训练结束条件的环境质量评价优化模型；
所述训练过程中所采用的损失函数如下：
Figure BDA0002954030190000111
式中，
Figure BDA0002954030190000112
表示环境质量评价模型输出的评价分数，humani表示人工评价分数，γ表示正则项参数，θ表示环境质量评价模型的参数；
其中：
Figure BDA0002954030190000113
score(c,r)即为环境质量评价模型输出的评分，c为环境数据，r为评价结果，矩阵M作为变换矩阵，α表示偏置参数，β用于将评分进行归一化处理。
以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种绿色建筑群室内外风环境质量的综合指数评价方法，其特征在于，所述绿色建筑群室内外风环境质量的综合指数评价方法包括以下步骤：
步骤一，通过环境分区模块利用环境分区程序进行待评价区域的图像采集；将采集的两张图像输入全卷积网络进行识别，得到图像中地、物的分割线；将所述图像中的地作为室外环境，将所述图像中的物作为室内环境；沿分割线进行室内环境与室外环境的分区，得到室内环境与室外环境；通过温度监测模块获取温度传感器的测定值，基于所述测定值来获得对所述温度传感器的测定值变化进行校正的初始值，基于所述测定值来获得用于校正所述温度传感器的灵敏度变化的校正值，以及根据所述初始值和所述校正值，从与所述温度传感器的第一温度相关的测定值中减去与温度传感器的第一温度相关的理论值，计算所述初始值；
步骤二，将通过从与所述温度传感器的第二温度相关的测定值中减去与所述温度传感器的第一温度相关的测定值而获得的值，除以通过从所述第二温度中减去所述第一温度而获得的值，计算得到校正值；利用温度传感器分别进行室内外温度的检测，并利用计算得到的所述初始值以及校正值对检测的室内外温度值进行校正，得到精准的室内外温度值，监测室内外温度变化；通过风速监测模块利用风速传感器进行室外风速的监测，得到室外风速值；通过流通速率监测模块利用流通速率监测器进行室内空气流通速率的监测，得到室内空气流通速率值；
步骤三，通过评价因子确定模块利用评价因子确定程序进行环境评价因子的确定，得到环境评价因子；通过环境监测模块利用环境监测程序获取环境评价因子对应的当前环境数据；通过评价模型构建模块利用评价模型构建程序对确定的环境评价因子进行归类划分处理；建立环境质量评价因子的评价值矩阵；对评价值矩阵进行归一化处理得到处理后的矩阵；计算每个环境评价因子的评价值在处理后的矩阵中的所占的比例；依据环境评价因子的评价值在处理后的矩阵中的所占的比例进行环境质量评价模型的构建，得到构建好的环境质量评价模型；
步骤四，通过模型训练模块利用模型训练程序获取预训练的环境质量评价初始模型，对所述环境质量评价初始模型进行参数初始化；根据第一训练样本集对初始化后的所述环境质量评价初始模型进行训练，得到满足训练结束条件的环境质量评价优化模型；
所述训练过程中所采用的损失函数如下：
Figure FDA0002954030180000021
式中，
Figure FDA0002954030180000022
表示环境质量评价模型输出的评价分数，humani表示人工评价分数，γ表示正则项参数，θ表示环境质量评价模型的参数；
其中：
Figure FDA0002954030180000023
score(c,r)即为环境质量评价模型输出的评分，c为环境数据，r为评价结果，矩阵M作为变换矩阵，α表示偏置参数，β用于将评分进行归一化处理；
步骤五，通过中央控制模块利用主控机控制各个模块正常运行；通过综合评价模块利用综合评价程序将当前环境数据输入环境质量评价优化模型中，结合室外温度以及风速进行室外环境质量的评价，结合室内温度以及流通速率进行室内环境质量的评价。
2.如权利要求1所述绿色建筑群室内外风环境质量的综合指数评价方法，其特征在于，所述全卷积网络包括多个卷积层组和多个反卷积层。
3.如权利要求1所述绿色建筑群室内外风环境质量的综合指数评价方法，其特征在于，所述卷积层组包括交替排列的卷积层和稀松卷积层。
4.如权利要求1所述绿色建筑群室内外风环境质量的综合指数评价方法，其特征在于，所述将采集的两张图像输入全卷积网络进行识别，包括：
(1)将采集的两张图像放入所述全卷积网络；
(2)分别将两张图像经过至少一个所述卷积层组坐标点标记后的图像与经过所有所述卷积层组和至少一个所述反卷积层坐标点标记后的图像进行多次融合，得到融合图像；
(3)分别将两张图像与所述融合图像经过至少一个所述反卷积层坐标点标记后的图像进行多次融合，得到地物分类概率图；
(4)通过CRF概率模型分别对两张地物分类概率图中的地物进行分割，得到两张所述图像中所有地物的分割线。
5.如权利要求4所述绿色建筑群室内外风环境质量的综合指数评价方法，其特征在于，步骤(4)中，所述通过CRF概率模型分别对两张地物分类概率图中的地物进行分割，还包括：
通过对比神经网络逐一对两张图像中同一地物的分割线进行对比分析，得到对比分析结果。
6.如权利要求1所述绿色建筑群室内外风环境质量的综合指数评价方法，其特征在于，步骤三中，所述环境评价因子包括：空气流通度/风速、环境温度、PM2.5含量。
7.如权利要求1所述绿色建筑群室内外风环境质量的综合指数评价方法，其特征在于，所述环境质量评价因子的评价值矩阵为：R＝(rij)m×n；
其中，n为环境评价因子个数，m为环境中需要评价的项目数，rij为第j个因子下第i个项目的评价值。
8.一种实施如权利要求1-7所述绿色建筑群室内外风环境质量的综合指数评价方法的绿色建筑群室内外风环境质量的综合指数评价系统，其特征在于，所述绿色建筑群室内外风环境质量的综合指数评价系统包括：
环境分区模块、温度监测模块、中央控制模块、风速监测模块、流通速率监测模块、评价因子确定模块、环境监测模块、评价模型构建模块、模型训练模块、综合评价模块；
环境分区模块，与中央控制模块连接，用于通过环境分区程序进行室内环境与室外环境的分区；
温度监测模块，与中央控制模块连接，用于通过温度传感器分别进行室内外温度的监测；
中央控制模块，与环境分区模块、温度监测模块、风速监测模块、流通速率监测模块、评价因子确定模块、环境监测模块、评价模型构建模块、模型训练模块、综合评价模块连接，用于通过主控机控制各个模块正常运行；
风速监测模块，与中央控制模块连接，用于通过风速传感器进行室外风速的监测，得到室外风速值；
流通速率监测模块，与中央控制模块连接，用于通过流通速率监测器进行室内空气流通速率的监测，得到室内空气流通速率值；
评价因子确定模块，与中央控制模块连接，用于通过评价因子确定程序进行环境评价因子的确定，得到环境评价因子；
环境监测模块，与中央控制模块连接，用于通过环境监测程序获取环境评价因子对应的当前环境数据；
评价模型构建模块，与中央控制模块连接，用于通过评价模型构建程序依据确定的环境评价因子进行环境质量评价模型的构建，得到环境质量评价初始模型；
模型训练模块，与中央控制模块连接，用于通过模型训练程序进行环境质量评价初始模型的训练，得到环境质量评价优化模型；
综合评价模块，与中央控制模块连接，用于通过综合评价程序将当前环境数据输入环境质量评价优化模型中，结合室外温度、风速以及PM2.5含量进行室外环境质量的评价，结合室内温度、空气流通速率以及PM2.5含量进行室内环境质量的评价。
CN202110219430.2A 2021-02-26 2021-02-26 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 Pending CN112816000A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110219430.2A CN112816000A (zh) 2021-02-26 2021-02-26 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110219430.2A CN112816000A (zh) 2021-02-26 2021-02-26 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

Publications (1)

Publication Number Publication Date
CN112816000A true CN112816000A (zh) 2021-05-18

Family

ID=75864147

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110219430.2A Pending CN112816000A (zh) 2021-02-26 2021-02-26 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

Country Status (1)

Country Link
CN (1) CN112816000A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115183821A (zh) * 2022-09-07 2022-10-14 南方电网调峰调频发电有限公司 一种用于发电机的风量测量系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104778365A (zh) * 2015-04-15 2015-07-15 天津大学 一种绿色建筑群室外风环境质量的综合指数评价方法
CN106897681A (zh) * 2017-02-15 2017-06-27 武汉喜恩卓科技有限责任公司 一种遥感图像对比分析方法及系统
CN108492044A (zh) * 2018-04-01 2018-09-04 安徽大学江淮学院 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
CN108764648A (zh) * 2018-04-28 2018-11-06 厦门理工学院 室内环境监测方法及监测装置
US20190017721A1 (en) * 2016-02-04 2019-01-17 Mitsubishi Electric Corporation Air-conditioning control evaluation apparatus, air-conditioning system, air-conditioning control evaluation method, and program
CN109521149A (zh) * 2017-09-18 2019-03-26 张丽蓉 一种空气质量评价方法
CN110188331A (zh) * 2019-06-03 2019-08-30 腾讯科技（深圳）有限公司 模型训练方法、对话系统评价方法、装置、设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104778365A (zh) * 2015-04-15 2015-07-15 天津大学 一种绿色建筑群室外风环境质量的综合指数评价方法
US20190017721A1 (en) * 2016-02-04 2019-01-17 Mitsubishi Electric Corporation Air-conditioning control evaluation apparatus, air-conditioning system, air-conditioning control evaluation method, and program
CN106897681A (zh) * 2017-02-15 2017-06-27 武汉喜恩卓科技有限责任公司 一种遥感图像对比分析方法及系统
CN109521149A (zh) * 2017-09-18 2019-03-26 张丽蓉 一种空气质量评价方法
CN108492044A (zh) * 2018-04-01 2018-09-04 安徽大学江淮学院 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
CN108764648A (zh) * 2018-04-28 2018-11-06 厦门理工学院 室内环境监测方法及监测装置
CN110188331A (zh) * 2019-06-03 2019-08-30 腾讯科技（深圳）有限公司 模型训练方法、对话系统评价方法、装置、设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115183821A (zh) * 2022-09-07 2022-10-14 南方电网调峰调频发电有限公司 一种用于发电机的风量测量系统
CN115183821B (zh) * 2022-09-07 2023-01-03 南方电网调峰调频发电有限公司 一种用于发电机的风量测量系统

Similar Documents

Publication Publication Date Title
CN108537215B (zh) 一种基于图像目标检测的火焰检测方法
CN108346144B (zh) 基于计算机视觉的桥梁裂缝自动监测与识别方法
CN108629494B (zh) 干旱等级评估方法及系统
CN114092832A (zh) 一种基于并联混合卷积网络的高分辨率遥感影像分类方法
CN114358427B (zh) 一种预测页岩气井最终可采储量的方法
CN110689118A (zh) 一种基于YOLO V3-tiny改进的目标检测方法
CN114462623B (zh) 基于边缘计算的数据分析方法、系统及平台
CN111985325A (zh) 特高压环境评价中的航拍小目标快速识别方法
Kim et al. Automated classification of thermal defects in the building envelope using thermal and visible images
CN106056577B (zh) 基于mds-srm混合级联的sar图像变化检测方法
CN115564114A (zh) 一种基于图神经网络的空域碳排放短期预测方法及系统
CN111967576B (zh) 一种基于深度学习的地球化学数据处理方法和系统
CN111798417A (zh) 一种基于ssd遥感图像目标检测的方法及装置
CN113625697A (zh) 考虑任务能力变化的无人机集群可靠性评估方法和系统
CN112816000A (zh) 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
CN113703506B (zh) 一种建筑材料生产车间环境控制调节方法及系统
Chen et al. ATLAS: software for analysing the relationship between urban microclimate and urban morphology in a tropical city
CN112215301B (zh) 基于卷积神经网络的影像直线探测方法
CN115849202B (zh) 基于数字孪生技术的智能起重机操作目标识别方法
CN113034511A (zh) 基于高分辨率遥感影像与深度学习的乡村建筑识别算法
CN109993218A (zh) 一种基于卷积神经网络的玉米病害的识别和分类模型
JP2023168193A (ja) 学習モデル
CN115345257A (zh) 飞行轨迹分类模型训练方法、分类方法、装置及存储介质
JP2023167502A (ja) 学習モデルの生成方法、情報処理装置、情報処理方法、コンピュータプログラム
CN115619605A (zh) 一种基于语义信息的传统民居环境质量评估方法

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