基于改进BP神经网络的室内环境热舒适度预测与分析

在智能家居环境下,为满足用户对室内环境热舒适度的要求,对室内设备实施精准控制,对室内环境的热舒适度指标进行了预测分析。为提高数据质量,首先利用K-means聚类算法对实验数据进行处理;其次,为摆脱初始阈值与权值的随机性对模型预测精度带来的负面影响,而导致预测结果陷入局部最小,提出采用遗传算法优先寻找模型最优的初始阈值与权值,然后基于BP神经网络建立预测模型,对室内环境热舒适度进行预测,已有的实验数据证明预测效果良好。研究成果表明,系统能够根据当前热环境状况,自动改变控制策略,调整被控设备的运行状态,使得智能家居室内热环境保持在舒适、稳定且平衡的最佳状态。