室內(nèi)人員開窗行為作為典型人行為之一,對室內(nèi)空氣品質(zhì)、室內(nèi)熱舒適性及建筑能耗有著顯著的影響。近年來,越來越多的研究使用基于環(huán)境因素的隨機(jī)和非隨機(jī)的模型來模擬室內(nèi)人員開窗行為。其中,大多數(shù)模型所使用的算法是邏輯回歸和馬爾科夫算法,但預(yù)測準(zhǔn)確率較低;使用機(jī)器學(xué)習(xí)的算法來建模的研究較少,準(zhǔn)確率較前兩種算法有明顯提高。然而現(xiàn)有使用機(jī)器學(xué)習(xí)算法的模型需要大量數(shù)據(jù)來訓(xùn)練模型已得到較高預(yù)測準(zhǔn)確率,而目前國內(nèi)研究所數(shù)據(jù)收集很難達(dá)到訓(xùn)練數(shù)據(jù)量的要求。進(jìn)一步,現(xiàn)有研究所得的準(zhǔn)確率都是根據(jù)各文章實測數(shù)據(jù)獲得,缺少橫向預(yù)測準(zhǔn)確率對比,難以客觀評價某一種算法的預(yù)測性能。此外,大多數(shù)關(guān)于室內(nèi)人員開窗行為已發(fā)表的研究成果是在歐洲國家進(jìn)行,其中很少有研究考慮到室外空氣質(zhì)量對這一行為的影響,而近年來中國開窗行為受到室外空氣質(zhì)量的影響,在相關(guān)研究中應(yīng)考慮進(jìn)這一因素。預(yù)測室內(nèi)人員開窗行為,需要預(yù)測準(zhǔn)確率高且適用于目前樣本量的算法。因此,本文引入了更適合小樣本量的支持向量機(jī)算法對開窗行為建模。此外,本文還選擇二元邏輯回歸算法,離散型馬爾科夫鏈算法,神經(jīng)網(wǎng)絡(luò)算法分別建模,使用相同實測數(shù)據(jù)運行,以此橫向?qū)Ρ群驮u價各算法的預(yù)測性能。...

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要工作
第二章 數(shù)據(jù)收集基本信息及測試方法
    2.1 建筑與使用信息
    2.2 測試儀器與數(shù)據(jù)采集
    2.3 本章小結(jié)
第三章 算法原理
    3.1 邏輯回歸算法
    3.2 離散型馬爾科夫鏈算法
    3.3 神經(jīng)網(wǎng)絡(luò)算法
    3.4 支持向量機(jī)算法
    3.5 本章小結(jié)
第四章 建立模型與結(jié)果討論
    4.1 環(huán)境因素對室內(nèi)人員開窗行為的影響
    4.2 預(yù)測窗戶狀態(tài)的邏輯回歸模型
    4.3 預(yù)測開窗行為的馬爾科夫模型
    4.4 預(yù)測窗戶狀態(tài)的神經(jīng)網(wǎng)絡(luò)模型
    4.5 預(yù)測窗戶狀態(tài)的支持向量機(jī)模型
        4.5.1 基于MATLAB的程序?qū)崿F(xiàn)
        4.5.2 模型預(yù)測結(jié)果
    4.6 本章小結(jié)
第五章 四種模型的對比評價
結(jié)論與展望
    結(jié)論
    展望
參考文獻(xiàn)
致謝
作者簡介
攻讀碩士學(xué)位期間發(fā)表的論文和科研成果



本文編號：3787213