CN113031117A - 一种基于热图像分析的城市开放空间室外人体热舒适预测方法 - Google Patents
一种基于热图像分析的城市开放空间室外人体热舒适预测方法 Download PDFInfo
- Publication number
- CN113031117A CN113031117A CN202110264665.3A CN202110264665A CN113031117A CN 113031117 A CN113031117 A CN 113031117A CN 202110264665 A CN202110264665 A CN 202110264665A CN 113031117 A CN113031117 A CN 113031117A
- Authority
- CN
- China
- Prior art keywords
- thermal
- open space
- urban
- thermal comfort
- human body
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/17—Catathermometers for measuring "cooling value" related either to weather conditions or to comfort of other human environment
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
- G01W1/06—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed giving a combined indication of weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Atmospheric Sciences (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明是一种基于热图像分析的城市开放空间室外人体热舒适预测方法。本发明涉及城市设计与建筑环境技术领域;本发明对城市开放空间进行网格化处理,得到多个区域;收集主观人体热感觉评价数据;基于采集到的城市开放空间的热图像,提取热图像中的城市开放空间表面温度;采用卷积神经网络建立城市开放空间热图像与人体热舒适之间的映射关系,对人体热舒适进行预测。本发明解决了传统室外空间热舒适预测方法中诸多站点布置所产生的人力资源和经济资源消耗,本发明利用机器学习算法将城市开放空间表面温度与空气温度和人体热感觉直接联系起来,减少了传统室外空间热舒适预测评价过程中繁杂的数据处理过程,进一步缩减了预测误差。
Description
技术领域
本发明涉及城市设计与建筑环境技术领域,是一种基于热图像分析的城市开放空间室外人体热舒适预测方法。
背景技术
随着我国城市化进程的加速,城市热岛效应日益强烈。城市开放空间设计中迫切需要准确预测不同城市开放空间下的室外人体热舒适水平,以此来支持城市开放空间设计决策制定过程,进而改善室外空间环境品质,推动我国人居环境的可持续发展。
热舒适是指“对热环境感到满意的意识状态”,是以人为本体进行的主观动态评价。在影响人体热舒适评价的四方面因素中,尤以空气温度、相对湿度、空气风速和太阳辐射等城市空间微气候条件的影响较大。
目前针对城市开放空间热舒适预测主要采用站点测试法,通过在特定空间布置若干气象站收集该空间环境条件,同时通过社会调查收集人体主观热感觉投票,进一步建立两者的统计学模型,实现对室外人体热舒适的预测。这种方法通常需要在站点布置大量仪器设备,并需要进行长期监测,对时间和人力财力的要求较高,并且受到测试设备及其性能的较大限制。同时,空间物理环境条件是根据所采集的站点数据的平均值来确定,这导致用于分析的数据不能实现对空间热环境的实时准确表达,即数据收集不全面,基于上诉方法的室外热舒适预测误差较大。另外,既有城市开放空间热舒适预测主要是对建成环境的热舒适进行理论分析和建模,因其预测效率有限,难以将预测结果实时反馈给可变遮阳、水汽喷雾等室外热环境调节设备,限制了其在城市开放空间热环境调节中的实践应用价值。
发明内容
本发明旨在解决现有方法热环境数据采集不完整、采用平均值法影响热舒适预测精度的问题,提升城市开放空间热舒适预测精度,解决既有方法难以将室外热舒适评价结果实时反馈给遮阳、蒸发等热环境调节设备的问题,拓展室外空间人体热舒适预测模型应用领域。本发明提供了一种基于热图像分析的城市开放空间室外人体热舒适预测方法,本发明提供了以下技术方案:
一种基于热图像分析的城市开放空间室外人体热舒适预测方法,包括以下步骤:
步骤1:根据城市开放空间日照辐射分布特征,对城市开放空间进行网格化处理,得到多个区域;
步骤2:采集城市开放空间的热图像,基于网格化处理得到的多个区域,收集主观人体热感觉评价数据;
步骤3:基于采集到的城市开放空间热图像,提取热图像中的城市开放空间表面温度;
步骤4:基于深度学习方法,采用卷积神经网络建立城市开放空间热图像与人体热舒适之间的映射关系,对人体热舒适进行预测。
优选地,所述步骤1具体为:
步骤1.1:采用激光雷达获取城市开放空间环境特征,采用SFM算法和MVS算法进行城市空间三维重建,从城市图像中提取城市环境的3D模型;
步骤1.2:采用全天空扫描仪对选定城市开放空间天空亮度分布数据进行采集,利用建筑日照辐射参数化性能模拟工具,基于全天空扫描仪实测数据,分析该地区日照辐射得热分布特征;
步骤1.3:基于城市表面日照辐射分布的差异化特征,对选定城市空间进行网格化,得到N个区域。
优选地,采用全天空扫描仪,每4.5分钟完成一次对全天空的扫描。
优选地,所述步骤2具体为:
采用红外热像仪对选定城市开放空间进行低空摄影和图像数据采集,得到城市开放空间表面热分布图像;
根据热舒适标准中的热感觉、热舒适和热偏好投票标度,使用APP客户端通过移动和可穿戴电子设备对受试者在选定城市空间区域中的主观热感觉、热舒适、对辐射与空气温度的偏好值及影响受试者热舒适的主要生理指标进行收集,获取主观人体热感觉评价数据。
优选地,热感觉投票标度具体为:-3代表很冷,-2代表冷,-1代表凉,0代表中性,1代表稍暖,2代表暖,3代表热;
热舒适投票标度具体为:-2很不舒适,-1稍不舒适,1稍舒适,2很舒适;
热偏好标度具体为:-1升高/增强,0不变,1降低/减弱。
优选地,所述步骤3具体为:采用双线性插值算法对热图像的灰度图中各像素进行插值处理,提取得到城市空间热图像中各像素的温度值,得到热图像中的城市开放空间表面温度。
优选地,所述步骤4具体为:
将采集到的城市开放空间热图像和主观人体热舒适评价数据输入卷积神经网络,运用深度学习算法构建热图像与热舒适之间的映射关系,对人体热舒适进行预测。
本发明具有以下有益效果:
本发明提供了基于热图像分析的城市开放空间室外人体热舒适的预测方法,本发明以携带有热成像镜头的无人机通过低空摄影获取城市空间表面温度,通过表面温度与空气温度的算法转化,解决了传统热舒适预测方法中诸多站点布置所产生的人力资源和经济资源消耗。同时,本发明利用机器学习将城市开放空间表面温度与空气温度和人体热感觉直接联系起来,减少了传统热舒适预测评价过程中繁杂的数据处理过程,进一步缩减了误差。
附图说明
图1为基于热图像分析的城市开放空间室外人体热舒适预测流程图。
具体实施方式
以下结合具体实施例,对本发明进行了详细说明。
具体实施例一:
根据图1所示,本发明提供一种基于热图像分析的城市开放空间室外人体热舒适预测方法,包括以下步骤:
步骤1、基于城市开放空间日照辐射分布特征,将选定的城市开放空间划分为N个区域;
所述步骤1具体为:使用激光雷达(Light Detection and Ranging,LiDAR)获取城市开放空间环境特征,使用SFM算法和MVS算法进行城市空间三维重建,从城市图像中提取城市环境的3D模型;利用全天空扫描仪(Sky Scanner MS321-LR)对选定城市开放空间天空亮度分布数据进行采集,每4.5分钟完成一次对全天空的扫描;利用建筑日照辐射参数化性能模拟工具,基于全天空扫描仪实测数据,分析该地区日照辐射得热分布特征;基于城市表面日照辐射分布的差异化特征,对选定城市空间进行网格化处理,得到多个区域。
步骤2、采集城市开放空间热图像,同时基于物联网设备收集区域1至区域N中的主观人体热感觉评价数据;
所述步骤2具体为:使用红外热像仪对选定城市开放空间进行低空摄影和图像数据采集,得到城市开放空间表面热分布图像。同时,根据热舒适标准中的热感觉、热舒适和热偏好投票标度,使用APP客户端通过移动和可穿戴电子设备对受试者在选定城市空间区域中的主观热感觉、热舒适、对辐射与空气温度的偏好值及影响受试者热舒适的主要生理指标进行收集;
所述热感觉投票标度具体为:-3代表很冷,-2代表冷,-1代表凉,0代表中性,1代表稍暖,2代表暖,3代表热。
所述热舒适投票标度具体为:-2很不舒适,-1稍不舒适,1稍舒适,2很舒适。
所述热偏好标度具体为:-1升高/增强,0不变,1降低/减弱。
步骤3、利用双线性插值算法对所述红外热图像的灰度图中各像素进行插值处理,提取所述城市空间热图像中各像素的温度值。
步骤4、基于深度学习算法,运用卷积神经网络建立城市开放空间热图像与人体热舒适之间的映射关系。
所述步骤4具体为:将采集到的大量城市开放空间热图像和主观人体热舒适评价数据输入卷积神经网络,运用深度学习算法构建热图像与热舒适之间的映射关系。深度学习卷积神经网络避免了对图像的复杂前期预处理,可以直接输入原始图像。卷积神经网络在对对象进行特征提取时,采用黑箱模式,使用者完全不用关心具体的特征是哪些,即实现了特征提取的封装。卷积神经网络是基于共享卷积核的结构,与常见的全连接深度结构相比,能够更好地处理实际尺寸的高维图像,可以保留邻域的联系和空间的局部特点。卷积神经网络中的每个神经元不再和上一层的神经元相连,而只和一小部分神经元相连,这样就降低了由大量参数导致的模型复杂度。同时,卷积神经网络的参数共享在很大程度上减少了学习网络的运算量。卷积提取出的特征会更多地关注局部,更加符合城市开放空间日常生活场景。
本发明基于城市三维重建和红外热像仪,结合大量主观热感觉评价数据,构建城市开放空间热物理环境与热舒适数据库;通过神经网络学习,建立城市表面温度与人体热舒适的映射关系,实现城市开放空间热环境的实时精准监控,为基于行人热舒适的城市开放空间优化设计提供技术指导。
以上所述仅是一种基于热图像分析的城市开放空间室外人体热舒适预测方法的优选实施方式,一种基于热图像分析的城市开放空间室外人体热舒适预测方法的保护范围并不仅局限于上述实施例,凡属于该思路下的技术方案均属于本发明的保护范围。应当指出,对于本领域的技术人员来说,在不脱离本发明原理前提下的若干改进和变化,这些改进和变化也应视为本发明的保护范围。
Claims (7)
1.一种基于热图像分析的城市开放空间室外人体热舒适预测方法,其特征是:包括以下步骤:
步骤1:根据城市开放空间日照辐射分布特征,对城市开放空间进行网格化处理,得到多个区域;
步骤2:采集城市开放空间的热图像,基于网格化处理得到的多个区域,收集主观人体热感觉评价数据;
步骤3:基于采集到的城市开放空间的热图像,提取热图像中的城市开放空间表面温度;
步骤4:基于深度学习方法,采用卷积神经网络建立城市开放空间热图像与人体热舒适之间的映射关系,对人体热舒适进行预测。
2.根据权利要求1所述的一种基于热图像分析的城市开放空间室外人体热舒适预测方法,其特征是:所述步骤1具体为:
步骤1.1:采用激光雷达获取城市开放空间环境特征,采用SFM算法和MVS算法进行城市空间三维重建,从城市图像中提取城市环境的3D模型;
步骤1.2:采用全天空扫描仪对选定城市开放空间天空亮度分布数据进行采集,利用建筑日照辐射参数化性能模拟工具,基于全天空扫描仪实测数据,分析该地区日照辐射得热分布特征;
步骤1.3:基于城市表面日照辐射分布的差异化特征,对选定城市空间进行网格化,得到N个区域。
3.根据权利要求2所述的一种基于热图像分析的城市开放空间室外人体热舒适预测方法,其特征是:采用全天空扫描仪每4.5分钟完成一次对全天空的扫描。
4.根据权利要求3所述的一种基于热图像分析的城市开放空间室外人体热舒适预测方法,其特征是:所述步骤2具体为:
采用红外热像仪对选定城市开放空间进行低空摄影和图像数据采集,得到城市开放空间表面热分布图像;
根据热舒适标准中的热感觉、热舒适和热偏好投票标度,使用APP客户端通过移动和可穿戴电子设备对受试者在选定城市空间区域中的主观热感觉、热舒适、对辐射与空气温度的偏好值及影响受试者热舒适的主要生理指标进行收集,获取主观人体热感觉评价数据。
5.根据权利要求4所述的一种基于热图像分析的城市开放空间室外人体热舒适预测方法,其特征是:热感觉投票标度具体为:-3代表很冷,-2代表冷,-1代表凉,0代表中性,1代表稍暖,2代表暖,3代表热;
热舒适投票标度具体为:-2很不舒适,-1稍不舒适,1稍舒适,2很舒适;
热偏好标度具体为:-1升高/增强,0不变,1降低/减弱。
6.根据权利要求5所述的一种基于热图像分析的城市开放空间室外人体热舒适预测方法,其特征是:所述步骤3具体为:采用双线性插值算法对热图像的灰度图中各像素进行插值处理,提取得到城市空间热图像中各像素的温度值,得到热图像中的城市开放空间表面温度。
7.根据权利要求6所述的一种基于热图像分析的城市开放空间室外人体热舒适预测方法,其特征是:所述步骤4具体为:
将采集到的城市开放空间热图像和主观人体热舒适评价数据输入卷积神经网络,运用深度学习算法构建热图像与热舒适之间的映射关系,对人体热舒适进行预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110264665.3A CN113031117B (zh) | 2021-03-11 | 2021-03-11 | 一种基于热图像分析的城市开放空间室外人体热舒适预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110264665.3A CN113031117B (zh) | 2021-03-11 | 2021-03-11 | 一种基于热图像分析的城市开放空间室外人体热舒适预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113031117A true CN113031117A (zh) | 2021-06-25 |
CN113031117B CN113031117B (zh) | 2022-08-30 |
Family
ID=76469559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110264665.3A Active CN113031117B (zh) | 2021-03-11 | 2021-03-11 | 一种基于热图像分析的城市开放空间室外人体热舒适预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113031117B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115618462A (zh) * | 2022-10-10 | 2023-01-17 | 哈尔滨工业大学 | 一种基于缩尺模型物理仿真的城市街区局地风热环境耦合预测方法 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6478233B1 (en) * | 2000-12-29 | 2002-11-12 | Honeywell International Inc. | Thermal comfort controller having an integral energy savings estimator |
JP2003099697A (ja) * | 2001-09-21 | 2003-04-04 | Rikogaku Shinkokai | 熱環境の予測方法、およびプログラム |
CN104490371A (zh) * | 2014-12-30 | 2015-04-08 | 天津大学 | 一种基于人体生理参数的热舒适检测方法 |
CN104634814A (zh) * | 2015-02-09 | 2015-05-20 | 东北石油大学 | 一侧带有相变材料幕墙的室内热环境实验装置及使用方法 |
CN107429704A (zh) * | 2014-12-30 | 2017-12-01 | 德尔塔缇公司 | 具有可变操作模式的集成的热舒适控制系统 |
CN107784436A (zh) * | 2017-09-30 | 2018-03-09 | 青岛理工大学 | 一种地铁车厢夏季热环境舒适度评价方法 |
US20180372913A1 (en) * | 2017-01-11 | 2018-12-27 | Weathervane Labs, Llc | Determining personal outdoor comfort with individual and environmental parameters |
CN109632004A (zh) * | 2019-01-08 | 2019-04-16 | 哈尔滨工业大学 | 一种基于局地修正utci的严寒地区室外热舒适度实时评价方法 |
KR101981307B1 (ko) * | 2019-04-01 | 2019-05-22 | 한양대학교 산학협력단 | 열쾌적성이 반영된 도시 계획 지원을 위한 도시모델 생성 장치 및 그 방법 |
CN109974787A (zh) * | 2019-04-23 | 2019-07-05 | 西安建筑科技大学 | 一种建筑室内智能热舒适监测装置及其监测方法 |
CN110059878A (zh) * | 2019-04-15 | 2019-07-26 | 中国计量大学 | 基于cnn lstm光伏发电功率预测模型及其构建方法 |
CN110131814A (zh) * | 2019-03-01 | 2019-08-16 | 中南大学 | 一种基于室外环境人体热感觉自动控制室外喷雾降温的方法 |
CN209524959U (zh) * | 2019-04-23 | 2019-10-22 | 西安建筑科技大学 | 一种建筑室内智能热舒适监测装置 |
CN110671798A (zh) * | 2019-09-25 | 2020-01-10 | 李元亨 | 一种基于人工智能技术预测热感觉的室内热环境控制系统 |
CN110826134A (zh) * | 2019-11-05 | 2020-02-21 | 哈尔滨工业大学 | 一种基于能耗及局域微气候综合优化的城市建筑群设计方法 |
US20200334400A1 (en) * | 2019-04-16 | 2020-10-22 | National Institute of Meteorological Sciences | Method and apparatus for setting thermal comfort scale of age-specific perceived temperature of residents based on thermal stress experiment in artificial climate chamber |
CN112113317A (zh) * | 2020-10-14 | 2020-12-22 | 清华大学 | 一种室内热环境控制系统及方法 |
WO2020260328A1 (de) * | 2019-06-27 | 2020-12-30 | Gestigon Gmbh | Verfahren und vorrichtung zum bestimmen einer thermischen behaglichkeit |
-
2021
- 2021-03-11 CN CN202110264665.3A patent/CN113031117B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6478233B1 (en) * | 2000-12-29 | 2002-11-12 | Honeywell International Inc. | Thermal comfort controller having an integral energy savings estimator |
JP2003099697A (ja) * | 2001-09-21 | 2003-04-04 | Rikogaku Shinkokai | 熱環境の予測方法、およびプログラム |
CN104490371A (zh) * | 2014-12-30 | 2015-04-08 | 天津大学 | 一种基于人体生理参数的热舒适检测方法 |
CN107429704A (zh) * | 2014-12-30 | 2017-12-01 | 德尔塔缇公司 | 具有可变操作模式的集成的热舒适控制系统 |
CN104634814A (zh) * | 2015-02-09 | 2015-05-20 | 东北石油大学 | 一侧带有相变材料幕墙的室内热环境实验装置及使用方法 |
US20180372913A1 (en) * | 2017-01-11 | 2018-12-27 | Weathervane Labs, Llc | Determining personal outdoor comfort with individual and environmental parameters |
CN107784436A (zh) * | 2017-09-30 | 2018-03-09 | 青岛理工大学 | 一种地铁车厢夏季热环境舒适度评价方法 |
CN109632004A (zh) * | 2019-01-08 | 2019-04-16 | 哈尔滨工业大学 | 一种基于局地修正utci的严寒地区室外热舒适度实时评价方法 |
CN110131814A (zh) * | 2019-03-01 | 2019-08-16 | 中南大学 | 一种基于室外环境人体热感觉自动控制室外喷雾降温的方法 |
KR101981307B1 (ko) * | 2019-04-01 | 2019-05-22 | 한양대학교 산학협력단 | 열쾌적성이 반영된 도시 계획 지원을 위한 도시모델 생성 장치 및 그 방법 |
CN110059878A (zh) * | 2019-04-15 | 2019-07-26 | 中国计量大学 | 基于cnn lstm光伏发电功率预测模型及其构建方法 |
US20200334400A1 (en) * | 2019-04-16 | 2020-10-22 | National Institute of Meteorological Sciences | Method and apparatus for setting thermal comfort scale of age-specific perceived temperature of residents based on thermal stress experiment in artificial climate chamber |
CN109974787A (zh) * | 2019-04-23 | 2019-07-05 | 西安建筑科技大学 | 一种建筑室内智能热舒适监测装置及其监测方法 |
CN209524959U (zh) * | 2019-04-23 | 2019-10-22 | 西安建筑科技大学 | 一种建筑室内智能热舒适监测装置 |
WO2020260328A1 (de) * | 2019-06-27 | 2020-12-30 | Gestigon Gmbh | Verfahren und vorrichtung zum bestimmen einer thermischen behaglichkeit |
CN110671798A (zh) * | 2019-09-25 | 2020-01-10 | 李元亨 | 一种基于人工智能技术预测热感觉的室内热环境控制系统 |
CN110826134A (zh) * | 2019-11-05 | 2020-02-21 | 哈尔滨工业大学 | 一种基于能耗及局域微气候综合优化的城市建筑群设计方法 |
CN112113317A (zh) * | 2020-10-14 | 2020-12-22 | 清华大学 | 一种室内热环境控制系统及方法 |
Non-Patent Citations (6)
Title |
---|
SUN, CHENG等: "Thermal comfort, occupant control behaviour and performance gap - A study of office buildings in north-east China using data mining", 《BUILDING AND ENVIRONMENT》 * |
YANG SHAO-QI等: "Urban Micro-Scale Thermal Environment Simulation Supported by UAV Thermal Infrared Data", 《HUANJING KEXUE》 * |
ZHAO, XUEXIU等: "Analysis of the Thermal Environment in Pedestrian Space Using 3D Thermal Imaging", 《ENERGIES》 * |
孙澄等: "基于室外热舒适的寒地教学组团形态设计策略", 《南方建筑》 * |
王亚东: "基于机器学习和线性回归的寒地高校餐饮空间热舒适研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
郭廓: "基于自然通风效能的大连城市形态设计策略——以星海湾区域为例", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115618462A (zh) * | 2022-10-10 | 2023-01-17 | 哈尔滨工业大学 | 一种基于缩尺模型物理仿真的城市街区局地风热环境耦合预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113031117B (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112766199B (zh) | 基于自适应多尺度特征提取模型的高光谱图像分类方法 | |
CN111739076B (zh) | 面向多种ct肺部纹理识别的非监督保内容域适应方法 | |
CN104200484B (zh) | 基于云团特征分析的分布式光伏系统超短期出力预测方法 | |
CN113538391B (zh) | 一种基于Yolov4和热红外图像的光伏缺陷检测方法 | |
CN110322423A (zh) | 一种基于图像融合的多模态图像目标检测方法 | |
CN109115995B (zh) | 土壤水分信息获取方法、装置、计算机设备和存储介质 | |
CN114092832B (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 | |
CN107423537B (zh) | 一种基于自适应阈值的地表温度降尺度的方法 | |
CN106446444B (zh) | 基于贝叶斯最大熵与先验知识的土壤水分空间预测方法 | |
CN107451609A (zh) | 基于深度卷积神经网络的肺结节图像识别系统 | |
CN113657662B (zh) | 一种基于数据融合的降尺度风电功率预测方法 | |
CN114693064B (zh) | 一种建筑群方案生成性能评价方法 | |
CN114297907A (zh) | 温室环境空间分布预测方法及装置 | |
CN113031117B (zh) | 一种基于热图像分析的城市开放空间室外人体热舒适预测方法 | |
CN105389821A (zh) | 一种基于云模型和图割相结合的医学图像分割方法 | |
CN117233870B (zh) | 一种基于多气象要素的短临降水集合预报及降尺度方法 | |
CN116523145B (zh) | 光伏功率超短期预测方法、装置、计算机设备及存储介质 | |
CN112488413A (zh) | 基于awa-drcn的人口空间化方法 | |
CN111914896A (zh) | 一种基于多源数据的城市局部气候区分类方法 | |
CN116760017A (zh) | 一种光伏发电的预测方法 | |
Osmond | Hemispherical photography as a tool for urban sustainability evaluation and design | |
CN116011881A (zh) | 一种基于像元尺度的黑土农田生产力评价方法及系统 | |
CN114324410A (zh) | 一种多地形的微波遥感土壤湿度降尺度方法 | |
CN116628829B (zh) | 一种基于数字孪生的智慧建筑三维可视化系统 | |
CN116050567B (zh) | 一种城市热环境的时空降尺度变化分析方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |