CN113435739B - 基于环境参数概率密度函数的长期室内环境质量评价方法及评价系统 - Google Patents

基于环境参数概率密度函数的长期室内环境质量评价方法及评价系统 Download PDF

Info

Publication number
CN113435739B
CN113435739B CN202110706931.3A CN202110706931A CN113435739B CN 113435739 B CN113435739 B CN 113435739B CN 202110706931 A CN202110706931 A CN 202110706931A CN 113435739 B CN113435739 B CN 113435739B
Authority
CN
China
Prior art keywords
indoor environment
quality evaluation
environment quality
distribution
parameters
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.)
Active
Application number
CN202110706931.3A
Other languages
English (en)
Other versions
CN113435739A (zh
Inventor
孙晓颖
吴杭姿
武岳
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN202110706931.3A priority Critical patent/CN113435739B/zh
Publication of CN113435739A publication Critical patent/CN113435739A/zh
Application granted granted Critical
Publication of CN113435739B publication Critical patent/CN113435739B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • General Business, Economics & Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

基于环境参数概率密度函数的长期室内环境质量评价方法及评价系统，本发明涉及长期室内环境质量评价方法及评价系统。本发明的目的是为了解决现有长期室内环境质量评价方法得到的评价结果波动特性体现不明显，且过程数据的描述方法不利于横向对比，且需要庞大的数据储存空间，不利于数据共享的问题。过程为：一、获得环境参数的时程数据；二、得到环境参数的频率分布；三、采用得到不同概率分布模型拟合；四、得到拟合优度；五、确定环境参数的概率密度函数；六、确定环境参数与室内环境质量评价指数的映射关系；七、得到在不同分布的环境参数共同作用的环境下的长期室内环境质量分布估计，对室内环境进行调整。本发明用于室内环境质量评价领域。

Description

基于环境参数概率密度函数的长期室内环境质量评价方法及 评价系统
技术领域
本发明涉及长期室内环境质量评价方法及评价系统。
背景技术
在现代生活中，人们90％以上的时间在室内度过，室内环境质量影响人们的健康、工作效率、舒适度等。因此，为体现建筑服务于人的理念，需要提供长期优质的室内环境质量。在实际环境中，由于天气、人为活动等因素的影响，室内环境参数并非固定不变，会随着时间发生随机性波动，从而引起舒适度的波动，造成室内环境质量的变化。若要对建筑全寿命使用阶段或一段时间内的室内环境做出综合判定，则需要开展室内环境质量长期评价，并在评价中考虑由于时变引起的环境参数随机性变化。
在目前的室内环境质量评价中，多关注瞬态或实时的室内环境质量，未考虑室内环境质量的波动性。在少数的长期室内环境质量评价实例中，采用：1)将长期监测的环境参数数据直接与已有相关规范条文对比；2)采用时域分析法，将长期监测的环境参数数据代入研究所得的室内环境质量数学评价模型中。对于方法1)，规范条文一般仅根据不同环境质量的高低，对某一环境参数的数值范围做出规定，没有给出波动性的考虑方法，因此给出的长期室内环境质量评价结果无法体现室内环境质量在所关注时间段内的波动特性。对于方法2)，要求实际监测的不同环境参数数据为同时采集的瞬时环境参数。此外，上述两种方法中，长期的环境参数监测数据采用时程的描述和记录方法，这样的描述和记录方法不利于观察室内环境参数特性以及对不同室内环境下的环境参数监测数据进行对比归纳，且需要庞大的数据储存空间，不利于数据共享。
综上，现有长期室内环境质量评价方法得到的评价结果波动特性体现不明显，且过程数据的描述方法不利于横向对比，且需要庞大的数据储存空间，不利于数据共享。
发明内容
本发明的目的是为了解决现有长期室内环境质量评价方法得到的评价结果波动特性体现不明显，且数据的过程描述方法不利于数据横向对比，且需要庞大的数据储存空间，不利于数据共享的问题，而提出基于环境参数概率密度函数的长期室内环境质量评价方法及评价系统。
基于环境参数概率密度函数的长期室内环境质量评价方法具体过程为：
步骤一、获得任意一段时间内待评价室内环境中n个不同环境参数的时程数据X1(t)，X2(t)，X3(t)…Xn(t)；
步骤二、对n个不同环境参数的时程数据X1(t)，X2(t)，X3(t)…Xn(t)进行统计分析，得到n个不同环境参数各自的频率分布P0(X1)，P0(X2)，P0(X3)…P0(Xn)；
步骤三、采用不同的概率分布模型对得到的频率分布P0(X1)，P0(X2)，P0(X3)…P0(Xn)进行拟合，并用极大似然估计去求不同概率分布模型的参数；
步骤四、用概率分布模型检验法，分别评价不同的概率分布模型对P0(X1)，P0(X2)，P0(X3)…P0(Xn)的拟合优度；
步骤五、选择拟合优度最优值所对应的概率分布模型P(X1)，P(X2)，P(X3)…P(Xn)，将P(X1)，P(X2)，P(X3)…P(Xn)及其参数作为描述环境参数X1，X2，X3…Xn分布的概率密度函数；
步骤六、确定室内环境质量评价数学模型，基于室内环境质量评价数学模型可以得到由环境参数X1，X2，X3…Xn共同作用的环境与室内环境质量评价指数E之间的映射关系；
步骤七、基于步骤六的映射关系，对室内环境质量进行模拟，从而得到在满足步骤五中概率密度函数的不同环境参数共同作用环境下的长期室内环境质量评价指数的分布估计，根据长期室内环境质量评价指数的分布对室内环境进行调整。
优选地，所述步骤二中对n个不同环境参数的时程数据X1(t)，X2(t)，X3(t)…Xn(t)进行统计分析，得到n个不同环境参数各自的频率分布P0(X1)，P0(X2)，P0(X3)…P0(Xn)；具体过程为：
采用频率直方图绘制方法对n个不同环境参数的时程数据X1(t)，X2(t)，X3(t)…Xn(t)进行统计分析，得到n个不同环境参数各自的频率分布P0(X1)，P0(X2)，P0(X3)…P0(Xn)；
优选地，所述步骤三中不同的概率分布模型为不仅限于正态分布(Normal)、对数正态(Lognormal)分布、Weibull分布、Gumbel分布、Gumma分布和Rayleigh分布的概率分布模型。
优选地，所述步骤四中概率分布模型检验法为均方根误差(RMSE)、决定系数R2、Kolmogorov-Smirnov(K-S)检验法、分位数图示法中的一种或多种。
优选地，所述步骤六中环境参数X1，X2，X3…Xn与室内环境质量指数E之间的映射关系为E＝f(X1，X2，X3…Xn)。
优选地，所述步骤七中基于步骤六的映射关系，对室内环境质量进行模拟，从而得到在满足步骤五中概率密度函数的不同环境参数共同作用环境下的长期室内环境质量评价指标分布估计，具体过程为：
基于步骤六的映射关系，采用蒙特卡洛模拟的方法对室内环境质量进行模拟，得到在满足步骤五中概率密度函数的不同环境参数共同作用环境下的长期室内环境质量评价指数的分布估计。
优选地，所述基于步骤六的映射关系，采用蒙特卡洛模拟的方法对室内环境质量进行模拟，得到在满足步骤五中概率密度函数的不同环境参数共同作用环境下的长期室内环境质量评价指数分布估计，具体过程为：
步骤七1、根据步骤五中的不同环境参数X1，X2，X3…Xn所对应的概率密度函数得到对应的累积分布函数，并将累积分布函数的纵坐标[0,1]均分为N个区间，对每个区间随机选择一个区间代表值，并根据所对应的累积分布函数确定每个区间代表值所对应的环境参数代表值；
步骤七2、对于n个不同环境参数的任意一个环境参数，都将产生N个代表值，而后采用抽选方法对N个代表值进行抽选，产生N个环境参数组合；
步骤七3、将上述N个环境参数组合代入数学模型E＝f(X1，X2，X3…Xn)中，得到N个室内环境质量指数估计E1，E2，E3…EN；
步骤七4、对E1，E2，E3…EN进行统计分析，得到相关信息。
优选地，所述步骤七2中抽选方法具体过程为：
首先从n个环境参数对应的N个代表值中分别选出一个，形成第一个环境参数组合；然后从n个环境参数剩余的N-1个代表值中分别选出一个，形成第二个环境参数组合；重复上述过程，直到形成N个环境参数组合。
优选地，所述步骤七4中相关信息为平均值、标准差、分位数或概率密度曲线。
基于环境参数概率密度函数的长期室内环境质量评价系统用于执行基于环境参数概率密度函数的长期室内环境质量评价方法。
本发明的有益效果为：
本发明所述的基于环境参数概率密度函数的长期室内环境质量评价方法，首先从概率分布角度描述室内环境参数，实现了在保留环境参数特性的基础上，用较少参数的概率密度函数保留环境参数时程数据特性的功能，降低了数据存储所需要的空间，且有利于环境参数特性的归纳以及不同环境参数间的对比；其次，本发明在室内环境质量数学评价模型的基础上采用蒙特卡洛模拟获得长期室内环境质量分布估计的方法，计算效率高，步骤明确，可操作性较强，可以根据需要选择具有代表性的室内环境质量数学评价模型，获得的长期室内环境质量体现了建筑全寿命使用阶段或一段时间内的室内环境质量的全局分布。解决了现有长期室内环境质量评价方法得到的评价结果波动特性体现不明显，且数据的过程描述方法不利于数据横向对比，且需要庞大的数据储存空间，不利于数据共享的问题。
附图说明
图1是实施例所述的基于环境参数概率密度函数的长期室内环境质量评价方法的流程图；
图2a是实施例中某实际办公室三个月的室内温度时程数据；
图2b是实施例中某实际办公室三个月的声音强度时程数据；
图2c是实施例中某实际办公室三个月的光照强度时程数据；
图3a是实施例中某实际办公室三个月的室内温度数据频率分布及6种不同概率分布函数对其的描述；
图3b是实施例中某实际办公室三个月的声音强度数据频率分布及6种不同概率分布函数对其的描述；
图3c是实施例中某实际办公室三个月的光照强度数据频率分布及6种不同概率分布函数对其的描述；
图4是实施例中采用本发明获得的某实际办公室三个月的室内环境质量评价指数的频率分布。
具体实施方式
具体实施方式一：本实施方式基于环境参数概率密度函数的长期室内环境质量评价方法具体过程为：
步骤一、采用实地监测的方式获得任意一段时间内(如三个月、一年等)待评价室内环境中n个不同环境参数(如室内温度、声音强度、光照强度等)的时程数据X1(t)，X2(t)，X3(t)…Xn(t)；
步骤二、对n个不同环境参数的时程数据X1(t)，X2(t)，X3(t)…Xn(t)进行统计分析，得到n个不同环境参数各自的频率分布P0(X1)，P0(X2)，P0(X3)…P0(Xn)；
步骤三、采用不同的概率分布模型对得到的频率分布P0(X1)，P0(X2)，P0(X3)…P0(Xn)进行拟合，并用极大似然估计去求不同概率分布模型的参数；
步骤四、用概率分布模型检验法，分别评价不同的概率分布模型对P0(X1)，P0(X2)，P0(X3)…P0(Xn)的拟合优度；
步骤五、选择拟合优度最优值所对应的概率分布模型P(X1)，P(X2)，P(X3)…P(Xn)，将P(X1)，P(X2)，P(X3)…P(Xn)及其参数分别作为描述环境参数X1，X2，X3…Xn分布的概率密度函数；
步骤六、确定室内环境质量评价数学模型，基于室内环境质量评价数学模型可以得到由环境参数X1，X2，X3…Xn共同作用的环境(如室内温度、声音强度、光照强度等共同作用的环境)与室内环境质量评价指数E之间的映射关系；
步骤七、基于步骤六的映射关系，对室内环境质量进行模拟，从而得到在满足步骤五中概率密度函数的不同环境参数共同作用环境下的长期室内环境质量评价指数的分布估计，根据长期室内环境质量评价指数的分布对室内环境进行调整。
具体实施方式二：本实施方式与具体实施方式一不同的是，所述步骤二中对n个不同环境参数的时程数据X1(t)，X2(t)，X3(t)…Xn(t)进行统计分析，得到n个不同环境参数各自的频率分布P0(X1)，P0(X2)，P0(X3)…P0(Xn)；具体过程为：
采用频率直方图绘制等方法对n个不同环境参数的时程数据X1(t)，X2(t)，X3(t)…Xn(t)进行统计分析，得到n个不同环境参数各自的频率分布P0(X1)，P0(X2)，P0(X3)…P0(Xn)。
其它步骤及参数与具体实施方式一相同。
具体实施方式三：本实施方式与具体实施方式一或二不同的是，所述步骤三中不同的概率分布模型为正态分布(Normal)、对数正态(Lognormal)分布、Weibull分布、Gumbel分布、Gumma分布和Rayleigh分布的概率分布模型等。
其它步骤及参数与具体实施方式一或二相同。
具体实施方式四：本实施方式与具体实施方式一至三之一不同的是，所述步骤四中概率分布模型检验法为均方根误差(RMSE)、决定系数R2、Kolmogorov-Smirnov(K-S)检验法、分位数图示法等。
其它步骤及参数与具体实施方式一至三之一相同。
具体实施方式五：本实施方式与具体实施方式一至四之一不同的是，所述步骤六中环境参数X1，X2，X3…Xn与室内环境质量评价指数E之间的映射关系为E＝f(X1，X2，X3…Xn)。
其它步骤及参数与具体实施方式一至四之一相同。
具体实施方式六：本实施方式与具体实施方式一至五之一不同的是，所述步骤七中基于步骤六的映射关系，对室内环境质量进行模拟，从而得到在满足步骤五中概率密度函数的不同环境参数共同作用环境下的长期室内环境质量分布估计，具体过程为：
基于步骤六的映射关系，采用蒙特卡洛模拟的方法对室内环境质量进行模拟，得到在满足步骤五中概率密度函数的不同环境参数共同作用环境下的长期室内环境质量评价指数的分布估计。
其它步骤及参数与具体实施方式一至五之一相同。
具体实施方式七：本实施方式与具体实施方式一至六之一不同的是，所述基于步骤六的映射关系，采用蒙特卡洛模拟的方法对室内环境质量进行模拟，得到在满足步骤五中概率密度函数的不同环境参数共同作用环境下(如室内温度、声音强度、光照强度等共同作用的环境)的长期室内环境质量评价指数的分布估计，具体过程为：
步骤七1、根据步骤五中的不同环境参数X1，X2，X3…Xn所对应的概率密度函数得到对应的累积分布函数，并将累积分布函数的纵坐标[0,1]均分为N个区间，对每个区间随机选择一个区间代表值，并根据所对应的累积分布函数确定每个区间代表值所对应的环境参数代表值；
步骤七2、对于n个不同环境参数的任意一个环境参数，都将产生N个代表值，而后采用抽选方法对N个代表值进行抽选，产生N个环境参数组合；
步骤七3、将上述N个环境参数组合代入数学模型E＝f(X1，X2，X3…Xn)中，得到N个室内环境质量指数估计E1，E2，E3…EN；
步骤七4、对E1，E2，E3…EN进行统计分析，得到相关信息。
其它步骤及参数与具体实施方式一至六之一相同。
具体实施方式八：本实施方式与具体实施方式一至七之一不同的是，所述步骤七2中抽选方法具体过程为：
首先从n个环境参数对应的N个代表值中分别选出一个，形成第一个环境参数组合；然后从n个环境参数剩余的N-1个代表值中分别选出一个，形成第二个环境参数组合；重复上述过程，直到形成N个环境参数组合。
其它步骤及参数与具体实施方式一至七之一相同。
具体实施方式九：本实施方式与具体实施方式一至八之一不同的是，所述步骤七4中相关信息为平均值、标准差、分位数或概率密度曲线等。
其它步骤及参数与具体实施方式一至八之一相同。
具体实施方式十：本实施方式基于环境参数概率密度函数的长期室内环境质量评价系统用于执行具体实施方式一至具体实施方式九的基于环境参数概率密度函数的长期室内环境质量评价方法。
数学模型形式如表1:
表1室内环境质量评价数学模型及对应评判标准*
Figure BDA0003131741010000061
Figure BDA0003131741010000071
Figure BDA0003131741010000081
采用以下实施例验证本发明的有益效果：
本实施例一种基于环境参数概率密度函数的长期室内环境质量评价方法具体是按照以下步骤制备的：
取一实际办公室三个月内的室内环境质量评价进行说明。
步骤一、采用实地监测的方式获得某实际办公室三个月内3种不同环境参数，即室内温度、声音强度、光照强度等的时程数据X1(t)，X2(t)，X3(t)，时程数据如图2a，图2b，图2c所示；
步骤二、对获得的3种不同环境参数时程数据X1(t)，X2(t)，X3(t)进行统计分析，得到人员活动时间范围内(9:00～22:00)环境参数的频率分布P0(X1)，P0(X2)，P0(X3)，如图3a，图3b，图3c所示；；
步骤三、分别采用正态分布(Normal)、对数正态(Lognormal)分布、Weibull分布、Gumbel分布、Gumma分布和Nakagami分布对3种不同环境参数X1，X2，X3进行拟合，如图3a，图3b，图3c所示，并用极大似然估计得到不同概率分布模型的参数；
步骤四、用均方根误差(RMSE)和决定系数R2分别评价各种不同的概率分布模型对不同环境参数X1，X2，X3所对应的频率分布P0(X1)，P0(X2)，P0(X3)的拟合优度，结果如表2所示；
表2
Figure BDA0003131741010000091
*最优的拟合优度被加粗
步骤五、选择拟合优度最优值(如表2)所对应的概率分布模型P(X1)，P(X2)，P(X3)，将确定参数后的P(X1)，P(X2)，P(X3)分别作为描述环境参数X1，X2，X3分布的概率模型，其中Lognormal分布对X1的拟合优度最佳，X1满足：
Figure BDA0003131741010000092
步骤三中的通过极大似然估计得到的概率分布模型参数为0.035和3.29；
f(X1)为环境参数X1的概率分布；
Lognormal分布对X2的拟合优度最佳，X2满足：
Figure BDA0003131741010000101
步骤三中的通过极大似然估计得到的概率分布模型参数为0.023和3.68；
f(X2)为环境参数X2的概率分布；
Lognormal分布对X3的拟合优度最佳，X3满足：
Figure BDA0003131741010000102
步骤三中的通过极大似然估计得到的概率分布模型参数为0.217和5.48；
f(X3)为环境参数X3的概率分布；
步骤六、确定进行室内环境质量评价时所采用的数学模型，所确定的数学模型建立了环境参数X1，X2，X3与室内环境质量评价指数E之间的映射关系，其中：
E＝(max(-4,yT)+4)0.417×(max(-4,yL)+4)0.267×(max(-4,yA)+4)0.316-4
yT＝-84.130+6.843×X1-0.139×X1 2
yL＝-3.154+0.008X2-5.546×10-6X2 2
Figure BDA0003131741010000103
yT、yL、yA为求取室内环境质量评价指数E时涉及的参数；上述数学模型为Guo等人在文献[7]中给出的数学模型；
步骤七、采用蒙特卡洛模拟的方法进行室内环境质量评价指数E的模拟，从而得到在满足步骤五中概率密度函数的不同环境参数共同作用环境下的长期室内环境质量评价指数的分布估计。
作为优选的是，步骤七包括：
步骤1、根据步骤五得到的不同环境参数X1，X2，X3所对应的概率密度函数得到对应的累积分布函数，并将累积分布函数的纵坐标[0,1]划分为10000个区间；
步骤2、对于每个不同环境参数X1，X2，X3的概率密度函数对应的累积分布函数纵坐标被划分的10000个区间，对每个区间均随机选择一个数作为区间的代表值；
步骤3、对于3个不同环境参数的任意一个环境参数，都将产生10000个代表值，而后对这些代表值进行抽选。首先从3个环境参数对应的10000个代表值中分别选出一个，形成第一个环境参数组合；然后从3个环境参数剩余的9999个代表值中分别选出一个，形成第二个环境参数组合；重复上述过程，直到形成10000个环境参数组合。
步骤4、将上述10000个环境参数组合代入步骤六的数学模型中，得到10000个室内环境质量估计E1，E2，E3…E10000；
步骤5、对E1，E2，E3…E10000进行统计分析，得到长期室内环境质量的统计数据，包括平均值为-0.807、标准差为0.305、最大值为-0.111、75％分位数为-0.603、最小值为-4，以及如图4所示的频率分布。
本实施例所述的基于环境参数概率密度函数的长期室内环境质量评价方法具有以下有益效果：
1、从概率分布角度描述室内环境参数，实现了在保留环境参数特性的基础上，用较少参数的概率密度函数保留环境参数时程数据特性的功能，降低了数据所需要的存储空间，且有利于环境参数的特性归纳以及不同环境参数间的对比；
2、本发明提出的长期室内环境质量分布估计方法计算效率高，步骤明确，可操作性较强，可以根据需要选择具有代表性的室内环境质量数学评价模型，获得的长期室内环境质量体现了建筑全寿命使用阶段或一段时间内的室内环境质量的全局分布。
虽然在本实施例中选用了6种概率分布函数、一个特定的室内环境质量数学评价模型、一种特定的抽样方法来描述本发明，但是应该理解的是，这些实施例仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，根据需求选择不同的概率分布函数、室内环境质量数学评价模型、抽样方法等，只要不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
[1]Cao B,Ouyang Q,Zhu Y,et al.Development of a multivariateregression model for overall satisfaction in public buildings based on fieldstudies in Beijing and Shanghai[J].Building and environment,2012,47:394-399.
[2]Wong L T,Mui K W,Hui P S.Amultivariate-logistic model foracceptance of indoor environmental quality(IEQ)in offices[J].Building andEnvironment,2008,43(1):1-6.
[3]Ncube M,Riffat S.Developing an indoor environment quality tool forassessment of mechanically ventilated office buildings in the UK–Apreliminarystudy[J].Building and Environment,2012,53:26-33.
[4]Fassio F,Fanchiotti A,Vollaro R.Linear,non-linear and alternativealgorithms in the correlation of IEQ factors with global comfort:Acase study[J].Sustainability,2014,6(11):8113-8127.
[5]Lai A C K,Mui K W,Wong L T,et al.An evaluation model for indoorenvironmental quality(IEQ)acceptance in residential buildings[J].Energy andBuildings,2009,41(9):930-936.
[6]Mui K W,Chan W T.A new indoor environmental quality equation forair-conditioned buildings[J].Architectural Science Review,2005,48(1):41-46.
[7]Guo T,Hu S,Liu G.Evaluation Model of Specific Indoor EnvironmentOverall Comfort Based on Effective-Function Method[J].Energies,2017,10(10):1634.
[8]Huang L,Zhu Y,Ouyang Q,et al.A study on the effects of thermal,luminous,and acoustic environments on indoor environmental comfort in offices[J].Building and Environment,2012,49:304-309.
[9]Tang H,Ding Y,Singer B.Interactions and comprehensive effect ofindoor environmental quality factors on occupant satisfaction[J].Building andEnvironment,2020,167:106462.
[10]Catalina T,Iordache V.IEQ assessment on schools in the designstage[J].Building and Environment,2012,49:129-140.
本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (10)

1.基于环境参数概率密度函数的长期室内环境质量评价方法，其特征在于：所述方法具体过程为：
步骤一、获得任意一段时间内待评价室内环境中n个不同环境参数的时程数据X1(t)，X2(t)，X3(t)…Xn(t)；
步骤二、对n个不同环境参数的时程数据X1(t)，X2(t)，X3(t)…Xn(t)进行统计分析，得到n个不同环境参数各自的频率分布P0(X1)，P0(X2)，P0(X3)…P0(Xn)；
步骤三、采用不同的概率分布模型对得到的频率分布P0(X1)，P0(X2)，P0(X3)…P0(Xn)进行拟合，并用极大似然估计去求不同概率分布模型的参数；
步骤四、用概率分布模型检验法，分别评价不同的概率分布模型对P0(X1)，P0(X2)，P0(X3)…P0(Xn)的拟合优度；
步骤五、选择拟合优度最优值所对应的概率分布模型P(X1)，P(X2)，P(X3)…P(Xn)，将P(X1)，P(X2)，P(X3)…P(Xn)及其参数作为描述环境参数X1，X2，X3…Xn分布的概率密度函数；
步骤六、确定室内环境质量评价数学模型，基于室内环境质量评价数学模型得到由环境参数X1，X2，X3…Xn共同作用的环境与室内环境质量评价指数E之间的映射关系；
步骤七、基于步骤六的映射关系，对室内环境质量进行模拟，从而得到在满足步骤五中概率密度函数的不同环境参数共同作用环境下的长期室内环境质量评价指数的分布估计，根据长期室内环境质量评价指数的分布对室内环境进行调整。
2.根据权利要求1所述基于环境参数概率密度函数的长期室内环境质量评价方法，其特征在于：所述步骤二中对n个不同环境参数的时程数据X1(t)，X2(t)，X3(t)…Xn(t)进行统计分析，得到n个不同环境参数各自的频率分布P0(X1)，P0(X2)，P0(X3)…P0(Xn)；具体过程为：
采用频率直方图绘制方法对n个不同环境参数的时程数据X1(t)，X2(t)，X3(t)…Xn(t)进行统计分析，得到n个不同环境参数各自的频率分布P0(X1)，P0(X2)，P0(X3)…P0(Xn)。
3.根据权利要求2所述基于环境参数概率密度函数的长期室内环境质量评价方法，其特征在于：所述步骤三中不同的概率分布模型为正态分布、对数正态分布、Weibull分布、Gumbel分布、Gumma分布和Rayleigh分布的概率分布模型。
4.根据权利要求3所述基于环境参数概率密度函数的长期室内环境质量评价方法，其特征在于：所述步骤四中概率分布模型检验法为均方根误差、决定系数R2、Kolmogorov-Smirnov检验法、分位数图示法中的一种或多种。
5.根据权利要求4所述基于环境参数概率密度函数的长期室内环境质量评价方法，其特征在于：所述步骤六中环境参数X1，X2，X3…Xn与室内环境质量指数E之间的映射关系为E＝f(X1，X2，X3…Xn)。
6.根据权利要求5所述基于环境参数概率密度函数的长期室内环境质量评价方法，其特征在于：所述步骤七中基于步骤六的映射关系，对室内环境质量进行模拟，从而得到在满足步骤五中概率密度函数的不同环境参数共同作用环境下的长期室内环境质量评价指标分布估计，具体过程为：
基于步骤六的映射关系，采用蒙特卡洛模拟的方法对室内环境质量进行模拟，得到在满足步骤五中概率密度函数的不同环境参数共同作用环境下的长期室内环境质量评价指数的分布估计。
7.根据权利要求6所述基于环境参数概率密度函数的长期室内环境质量评价方法，其特征在于：所述基于步骤六的映射关系，采用蒙特卡洛模拟的方法对室内环境质量进行模拟，得到在满足步骤五中概率密度函数的不同环境参数共同作用环境下的长期室内环境质量评价指数分布估计，具体过程为：
步骤七1、根据步骤五中的不同环境参数X1，X2，X3…Xn所对应的概率密度函数得到对应的累积分布函数，并将累积分布函数的纵坐标[0,1]均分为N个区间，对每个区间随机选择一个区间代表值，并根据所对应的累积分布函数确定每个区间代表值所对应的环境参数代表值；
步骤七2、对于n个不同环境参数的任意一个环境参数，都将产生N个代表值，而后采用抽选方法对N个代表值进行抽选，产生N个环境参数组合；
步骤七3、将上述N个环境参数组合代入数学模型E＝f(X1，X2，X3…Xn)中，得到N个室内环境质量指数估计E1，E2，E3…EN；
步骤七4、对E1，E2，E3…EN进行统计分析，得到相关信息。
8.根据权利要求7所述基于环境参数概率密度函数的长期室内环境质量评价方法，其特征在于：所述步骤七2中抽选方法具体过程为：
首先从n个环境参数对应的N个代表值中分别选出一个，形成第一个环境参数组合；然后从n个环境参数剩余的N-1个代表值中分别选出一个，形成第二个环境参数组合；重复上述过程，直到形成N个环境参数组合。
9.根据权利要求8所述基于环境参数概率密度函数的长期室内环境质量评价方法，其特征在于：所述步骤七4中相关信息为平均值、标准差、分位数或概率密度曲线。
10.基于环境参数概率密度函数的长期室内环境质量评价系统，其特征在于：所述系统用于执行权利要求1至权利要求9中任意一项所述的基于环境参数概率密度函数的长期室内环境质量评价方法。
CN202110706931.3A 2021-06-24 2021-06-24 基于环境参数概率密度函数的长期室内环境质量评价方法及评价系统 Active CN113435739B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110706931.3A CN113435739B (zh) 2021-06-24 2021-06-24 基于环境参数概率密度函数的长期室内环境质量评价方法及评价系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110706931.3A CN113435739B (zh) 2021-06-24 2021-06-24 基于环境参数概率密度函数的长期室内环境质量评价方法及评价系统

Publications (2)

Publication Number Publication Date
CN113435739A CN113435739A (zh) 2021-09-24
CN113435739B true CN113435739B (zh) 2022-03-08

Family

ID=77754084

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110706931.3A Active CN113435739B (zh) 2021-06-24 2021-06-24 基于环境参数概率密度函数的长期室内环境质量评价方法及评价系统

Country Status (1)

Country Link
CN (1) CN113435739B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9791872B2 (en) * 2013-03-14 2017-10-17 Pelco, Inc. Method and apparatus for an energy saving heating, ventilation, and air conditioning (HVAC) control system
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
CN109631241B (zh) * 2018-12-29 2020-12-22 陈垒 建筑室内舒适环境调节系统
CN112836842A (zh) * 2019-11-25 2021-05-25 天津大学 基于“源-汇”风险分析的流域水环境质量预测方法及系统

Also Published As

Publication number Publication date
CN113435739A (zh) 2021-09-24

Similar Documents

Publication Publication Date Title
Happle et al. A review on occupant behavior in urban building energy models
Papada et al. A Stochastic Model for energy poverty analysis
Ouf et al. Analysis of real-time electricity consumption in Canadian school buildings
Yalcintas An energy benchmarking model based on artificial neural network method with a case example for tropical climates
Motawa et al. Structural equation modelling of energy consumption in buildings
Tian et al. Calibrating dynamic building energy models using regression model and Bayesian analysis in building retrofit projects
Roumi et al. Commercial building indoor environmental quality models: A critical review
Tsai et al. Polynomial-Fourier series model for analyzing and predicting electricity consumption in buildings
CN113435739B (zh) 基于环境参数概率密度函数的长期室内环境质量评价方法及评价系统
CN112736904B (zh) 基于小扰动数据的电力负荷模型在线解析方法
Murshed et al. CityBEM: an open source implementation and validation of monthly heating and cooling energy needs for 3D buildings in cities
Park et al. Methodological approach for calibration of building energy performance simulation models applied to a common “measurement and verification” process
Allen et al. More reliable inference for segregation indices
Terry et al. Time series analysis in acid rain modeling: Evaluation of filling missing values by linear interpolation
De Jaeger et al. Quantifying uncertainty propagation for the district energy demand using realistic variations on input data
Tian et al. Energy use of buildings at urban scale: a case study of London school buildings
Barbosa et al. Occupancy patterns and building performance: developing occupancy patterns for Portuguese residential buildings
Hunn et al. Measuring commercial building performance: Protocols for energy, water, and indoor environmental quality
Johra et al. Evaluating different metrics for inter-model comparison of urban-scale building energy simulation time series
CN113946975A (zh) 一种基于Copula的PNET桥梁体系可靠性评估方法
Zong et al. Implementation of occupant behaviour models for window control using co-simulation approach
Liu et al. Machine learning approaches for estimating building energy consumption
Storcz et al. Applicability of Multivariate Linear Regression in Building Energy Demand Estimation.
de Bakker et al. Assessing the energy use of occupancy-based lighting control strategies in open-plan offices
Grassie et al. Feedback and feedforward mechanisms for generating occupant datasets for UK school stock simulation modelling

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