基于心理-生理适应的热舒适投票预测

以不同热经历背景的南北方受试者为研究对象,进行了心理(主观感受)-生理适应性实验。在实验数据的基础上,量化分析了心理-生理适应对热舒适投票的影响。采用相关分析法和主成分分析法提取主观感受输入变量和皮肤温度输入变量,建立了可适应冷环境和可适应热环境的人工神经网络模型。用实验获得的数据训练该模型,结果表明,可适应冷环境和可适应热环境的预测准确率分别为65%和61%。

基于机器学习的热舒适投票(TCV)预测

以某大型商场作为调研场所,对商场内空气状态参数、空气品质参数、光环境参数、声环境参数进行实测,对受试者个人参数进行实测调研。运用机器学习算法(决策树、逻辑回归、支持向量机、随机森林)建立热舒适投票预测模型,对单输入参数、多输入参数对预测模型预测性能影响进行分析。将预期平均评价模型参数作为单输入参数时,4种预测模型的预测精度均不理想,预测结果决定系数变化范围为0.43~0.54,波动比较大。最好成绩是决策树预测模型在空气相对湿度作为单输入参数时。与其他单输入参数相比,空气温度、空气相对湿度作为单输入参数时,4种预测模型的预测性能比较好。当空气流速、活动代谢率作为单输入参数时,4种预测模型的预测性能比较差。与单输入参数相比,以预期平均评价模型参数作为多输入参数时,预测模型的预测性能并未得到有效提升。将输入参数扩大至所有调研参数后,4种预测模型的预测性能均有所提高。空气状态参数、个人参数、空气品质参数的输入参数组合可以提升预测模型对热舒适投票的预测性能。

武汉市夏季室外环境热舒适度主观评价研究

笔者通过研究室外热环境参数和人体热舒适度之间的关系,为改善夏热冬冷城市的室外热舒适度提出了建议。首先,笔者对在武汉市城区选取的31个位置进行问卷调查,综合气象站数据,分析了人们对夏季室外热环境的满意度。其次,通过线性回归建模分析得出适用于夏热冬冷地区夏季室外环境的热舒适度评价模型和夏季室外热体可接受热环境参数范围。与武汉类似的夏热冬冷地区,人体感觉最舒适的室外温度约为26℃,湿度约为30%,笔者针对武汉市当前的夏季热环境状况提出了一些改进性意见。

基于户外活动的严寒地区校园冬季热舒适度研究

严寒地区冬季气候寒冷,限制了高校大学生的户外活动。本研究采集了哈尔滨工业大学在校生927例样本。针对冬季大学生户外活动的四种状态,进行问卷调查及测试研究。分析了运动量与热舒适度的关系,生理等效温度PET与平均热感觉投票MTSV相关性,PET温度每升高(滑冰9℃、跑步12℃、徒步14℃、站立15℃)热感觉上升一个等级,分析了原居住地与热舒适度的关系,户外活动持续时间与热舒适度的关系。从而正确评估寒冷的室外热环境,为环境设计者提供参考。