基于神经网络的寒地高校冬季热舒适模型应用

本文利用神经网络训练并验证寒地高校冬季热舒适模型,分析寒地高校教学空间的热工情况。热舒适合理预测是创造满意热环境和建筑节能的重要基础。传统的热舒适评价主要以PMV评价指标模型为主。然而,根据一些学者的研究,该指标模型的计算过程十分复杂而且在操作中与实际情况有一定的偏差。随着计算机科学的发展,一些学者开始尝试使用机器学习模型建立热舒适预测模型。本文通过河北建筑工程学院的实地测试,利用神经网络训练和预测PMV评价指标,发现神经网络仿射模拟PMV计算值的误差较小。训练集的均方误差(MSE)为0.011,验证集的均方误差(MSE)为0.023。同时利用神经网络训练和预测实际热感觉投票值,整体准确率为84.8%,平均准确率为84.0%。根据预测结果,拟合出的热中性温度为23.5℃,热舒适范围为(y∈[-1, 1])[19.6℃,27.3℃]。与实际投票值的拟合结果基本趋同。