室内环境多信息融合算法的研究

论文摘要

随着人们生活水平的不断改善,人们对生活环境的要求也不断提高。室内环境与人们的生活息息相关,其质量高低直接影响到人们生活质量的高低,甚至关乎人类的生存,对室内环境各参数进行监测,并进行舒适度评价,创造一个舒适、安静、清洁的室内环境具有非常重要的意义。然而室内环境是一个综合环境,目前对室内环境舒适度的研究大都只是针对室内热、光、声环境舒适度或空气品质的某一方面,而没有将其结合起来。针对此问题,本课题提出一种神经网络（特征级）和D-S证据理论（决策级）相结合的两级融合评价结构,将神经网络的输出经归一化处理后直接作为D-S证据理论的一证据,进行决策级证据组合,避免了基本概率赋值函数选取的复杂性和主观性。本课题的研究工作主要集中在以下几个方面:（1）确定了室内各环境舒适度评价指标的选择及评价等级的划分,为室内环境舒适度的融合评价建立了一套基本的评判标准。（2）采用了基于遗传神经网络的室内热环境舒适度融合评价算法。对比BP网络和遗传神经网络,结果表明:遗传神经网络利用遗传算法进行BP网络初始权值和阈值的优化,训练速度明显增快,且预测精度较高。（3）针对影响热舒适PMV（Predicted Mean Vote）指标的各因素之间存在复杂的非线性关系这一问题,分别利用PCA（Principal Component Analysis）和KPCA（Kernel Principal Component Analysis）对样本数据进行特征提取,并用PCA+BP网络、PCA+遗传神经网络、KPCA+BP网络、KPCA+遗传神经网络4种方法对室内热环境舒适度进行了评价,结果表明:KPCA是非线性特征提取的有效方法,可去除变量之间的高阶非线性相关性,提取完备、有效的样本特征,对于该室内热环境舒适度融合评价问题,KPCA+遗传神经网络是最有效的预测方法。（4）采用了基于模糊神经网络的室内光、声环境舒适度及空气品质融合评价算法,并对模糊神经网络和模糊综合评判2种方法进行了对比仿真研究,结果表明:该算法能够有效地对室内光、声环境舒适度及空气品质进行融合评价。（5）最后利用D-S证据理论进行了室内环境舒适度决策级融合评价,并与模糊综合评判法评价结果进行了对比,结果表明:该两级融合评价体系能够有效地对室内环境总舒适度进行融合评价。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究的背景及意义
• 1.2 国内外研究现状
• 1.3 本课题研究的主要内容及创新点
• 1.3.1 本课题研究的主要内容
• 1.3.2 创新点
• 1.4 本文的结构
• 第二章 室内环境舒适度评价方法及评价指标体系的建立
• 2.1 室内环境舒适度的评价方法
• 2.2 室内环境舒适度评价指标体系的建立
• 2.2.1 室内热环境舒适度评价指标的选择及评价等级的划分
• 2.2.2 室内光环境舒适度评价指标的选择及评价等级的划分
• 2.2.3 室内声环境舒适度评价指标的选择及评价等级的划分
• 2.2.4 室内空气品质评价指标的选择及评价等级的划分
• 2.3 本章小结
• 第三章 基于遗传神经网络的室内热环境舒适度融合评价
• 3.1 遗传算法与BP 网络相结合的优点
• 3.2 基于遗传神经网络的室内热环境舒适度融合评价
• 3.2.1 室内热环境舒适度融合评价神经网络模型的建立
• 3.2.2 样本数据的获取
• 3.2.3 用遗传算法优化神经网络初始权值和阈值的学习过程
• 3.2.4 BP 网络的学习过程
• 3.2.5 遗传神经网络与BP 网络的仿真结果对比及分析
• 3.3 特征提取和压缩方法
• 3.3.1 线性特征提取方法——主成分分析PCA
• 3.3.2 非线性特征提取方法——核主成分分析KPCA
• 3.3.3 线性特征提取方法PCA 及非线性特征提取方法KPCA 的比较
• 3.4 基于 PCA+遗传神经网络和 KPCA+遗传神经网络的室内热环境舒适度融合评价
• 3.4.1 利用主成分分析PCA 和核主成分分析KPCA 进行特征提取
• 3.4.2 PCA+遗传神经网络与KPCA+遗传神经网络的仿真结果对比及分析
• 3.5 本章小结
• 第四章 基于模糊神经网络的室内光、声环境舒适度及空气品质融合评价
• 4.1 模糊理论与神经网络相结合的优点
• 4.2 基于模糊神经网络的室内光环境舒适度融合评价
• 4.2.1 基于模糊神经网络的室内光环境舒适度融合评价模型的建立
• 4.2.2 训练过程
• 4.2.3 基于模糊神经网络的室内光环境舒适度融合评价仿真结果
• 4.2.4 利用模糊综合评判法进行室内光环境舒适度融合评价
• 4.2.5 仿真结果对比及分析
• 4.3 基于模糊神经网络的室内声环境舒适度融合评价
• 4.3.1 基于模糊神经网络的室内声环境舒适度融合评价模型的建立
• 4.3.2 基于模糊神经网络的室内声环境舒适度融合评价仿真结果
• 4.3.3 利用模糊综合评判法进行室内声环境舒适度融合评价
• 4.3.4 仿真结果对比及分析
• 4.4 基于模糊神经网络的室内空气品质融合评价
• 4.4.1 基于模糊神经网络的室内空气品质融合评价模型的建立
• 4.4.2 仿真结果对比及分析
• 4.5 本章小结
• 第五章 基于 D-S 证据理论的室内环境舒适度决策级融合评价
• 5.1 D-S 证据理论原理
• 5.1.1 基本概念
• 5.1.2 证据组合规则
• 5.2 利用D-S 证据理论进行室内环境舒适度决策级融合评价
• 5.2.1 室内各环境舒适度特征级融合评价结果归一化处理
• 5.2.2 利用D-S 证据理论进行室内环境舒适度决策级融合评价
• 5.2.3 评价结果分析
• 5.3 本章小结
• 第六章 结论与展望
• 6.1 主要工作总结
• 6.2 未来工作展望
• 致谢
• 参考文献
• 个人简历、在学期间发表的学术论文及取得的研究成果