基于BP神經(jīng)網(wǎng)絡(luò)的熱舒適預(yù)測

王蕾蕾

摘要 熱舒適預(yù)測技術(shù)的主要方法是PMV預(yù)測法，然而傳統(tǒng)方法具有預(yù)測步驟復(fù)雜，誤差大等缺點(diǎn)。本文使用BP神經(jīng)網(wǎng)絡(luò)對公共數(shù)據(jù)集RP-884進(jìn)行熱舒適預(yù)測，實(shí)驗(yàn)結(jié)果表明，神經(jīng)網(wǎng)絡(luò)較傳統(tǒng)PMV預(yù)測方法預(yù)測性能有了進(jìn)一步提高。

【關(guān)鍵詞】BP神經(jīng)網(wǎng)絡(luò) PMV 熱舒適預(yù)測

1 PMV算法預(yù)測熱舒適

目前，常用的熱舒適預(yù)測模型為人體熱舒適評價(jià)指標(biāo)（PMV），PMV評價(jià)指標(biāo)表征接近熱中性的熱平衡狀態(tài)的熱舒適性。它是關(guān)于人體的一個(gè)復(fù)雜的非線性函數(shù)。PMV計(jì)算公式如下：

上式中M為人體能量代謝率，單位為w/m;W為人體所做的機(jī)械功單位為W/m²;P_a為人體周圍空氣的水蒸氣分壓力，單位為P_a;t_a人體周圍的空氣溫度，單位為℃;t_r房間的平均輻射溫度，單位為℃;f_cl為人體著裝后的實(shí)際表面積和人體裸身表面積之比，即服裝的表面系數(shù);t_cl人體外表面溫度，單位為℃;he為對流換熱系數(shù)。從公式中我們可以看到，人體熱舒適度影響因素之間是復(fù)雜的非線性關(guān)系，計(jì)算復(fù)雜，不適合實(shí)際應(yīng)用。

2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測熱舒適

BP神經(jīng)網(wǎng)絡(luò)通過與輸出相關(guān)的指標(biāo)進(jìn)行預(yù)測，計(jì)算網(wǎng)絡(luò)實(shí)際輸出與期望輸出，通過計(jì)算網(wǎng)絡(luò)實(shí)際輸出與期望輸出差值，并對差值進(jìn)行尋優(yōu)來進(jìn)行權(quán)值與閾值的反向調(diào)整。本文設(shè)計(jì)的網(wǎng)絡(luò)結(jié)構(gòu)為輸入6個(gè)神經(jīng)元，分別為空氣溫度，空氣濕度，氣流速度，衣服熱阻，平均輻射溫度，人體新陳代謝率;隱含層13個(gè)神經(jīng)元;輸出層

1個(gè)神經(jīng)元分別用[-3-3]中7個(gè)整數(shù)值表示不同舒適程度;激勵(lì)函數(shù)為雙曲正切S型函數(shù);初始權(quán)值為[一1，11之間隨機(jī)取得的一個(gè)小數(shù);誤差進(jìn)度0.000001;訓(xùn)練截止次數(shù)1000次。

下面通過實(shí)驗(yàn)比較兩種方法實(shí)驗(yàn)結(jié)果：

圖1 （a）所示的神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果為，從703組訓(xùn)練樣本中選取653組樣本數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，剩下的50組樣本數(shù)據(jù)作為測試樣本，兩種圖案完全重合，代表網(wǎng)絡(luò)在50組樣本數(shù)據(jù)條件下預(yù)測準(zhǔn)確度高。從圖1 （b）中可以看出網(wǎng)絡(luò)訓(xùn)練均方誤差保持在10^-5左右，誤差小，泛化性能高。

表1中數(shù)據(jù)為訓(xùn)練10次結(jié)果對比，從表1可以看出，BP神經(jīng)網(wǎng)絡(luò)預(yù)測均方誤差為10^-1數(shù)量級，而BP神經(jīng)網(wǎng)絡(luò)預(yù)測均方誤差在l0^-5數(shù)量級，BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的均方誤差較PMV方法誤差更小，預(yù)測效果更好。

3 結(jié)語

本文通過BP神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)集RP-884進(jìn)行預(yù)測，分析PMV預(yù)測與神經(jīng)網(wǎng)絡(luò)預(yù)測方式對同一數(shù)據(jù)集的預(yù)測能力。實(shí)驗(yàn)仿真表明.BP神經(jīng)網(wǎng)絡(luò)在解決熱舒適預(yù)測問題上預(yù)測誤差更低，效果更好。

參考文獻(xiàn)

[1]C. buratti，M.Vergoni，D. Palladino.Thermalcomfortevaluationwithin non-residentialenvironments： development ofArtificial Neural Network byusing the adaptive approachdata， EnergyProcedia 78. 2015， 2875-2880.

[2]范存養(yǎng)，熱舒適評價(jià)指標(biāo)PMV及其實(shí)際應(yīng)用[J].暖通空調(diào)，1993 （03）： 20-26.