[发明专利]一种基于神经网络的窗户状态预测方法及系统

说明书

本发明公开了一种基于神经网络的窗户状态预测方法及系统。该方法包括：获取窗户开关状态的历史监测数据；获取环境参数的历史数据，并根据环境参数的历史数据确定影响窗户开关的环境影响参数；通过历史监测数据以及所述环境影响参数的历史数据对神经网络模型进行训练，得到预测模型；获取环境影响参数的当前数据；根据所述当前数据以及所述预测模型预测窗户的开关状态。本发明能够提高窗户开关预测的准确性。

技术领域

本发明涉及窗户状态预测领域，特别是涉及一种基于神经网络的窗户状态预测方法及系统。

背景技术

开窗行为是人们利用最普遍也是最方便的一种调节室内通风状况的方式，通风不仅可以改善室内热湿环境状况和空气品质，还可以在一定程度上减少建筑能耗。因此，研究建筑内部人员开窗行为习惯，建立能够描述人员门窗开关行为的数学模型，将其概率模型运用到能耗模拟软件中，可以进一步提高模拟结果的准确性，对于建筑节能、室内空气品质、热舒适等具有十分重要的现实意义。

目前世界上经典的人员开关窗行为建模的方法主要有两种：基于伯努利(Bernoulli)链法和基于马科夫(Markov)链法。基于伯努利链法是对人员开关窗行为最基本的随机建模方法，其建模过程又基于Logistic回归法，建模时需要考虑现有环境状态，如温度、湿度等对人员开关窗决定影响的因素。基于马科夫链法同样也是基于Logistic回归法进行人行为建模。与前者不同的是马科夫链需要考虑前一个窗户状态对当前窗户状态的影响，换句话说就是如果之前窗户已经被打开，当前状态下窗户保持打开的状态和需要从之前关闭状态到现在打开状态的决定过程和因素是不一样的。室内人员的开关窗行为完全是随机的，现有的模型在考虑各类影响因素的预测准确率方面有所不足。

发明内容

本发明的目的是提供一种基于神经网络的窗户状态预测方法及系统，用以提高窗户开关预测的准确性。

为实现上述目的，本发明提供了如下方案：

一种基于神经网络的窗户状态预测方法，所述方法包括：

获取窗户开关状态的历史监测数据；

获取环境参数的历史数据，并根据环境参数的历史数据确定影响窗户开关的环境影响参数；

通过历史监测数据以及所述环境影响参数的历史数据对神经网络模型进行训练，得到预测模型；

获取环境影响参数的当前数据；

根据所述当前数据以及所述预测模型预测窗户的开关状态。

可选的，所述获取环境参数的历史数据，并确定影响窗户开关的环境影响参数，具体包括：

获取环境参数的历史数据；

对所述环境参数的历史数据进行筛选，得到影响窗户开关的环境影响参数。

可选的，所述通过历史监测数据以及所述环境影响参数的历史数据对神经网络模型进行训练，得到预测模型，具体包括：

提取所述环境影响参数的历史数据的特征向量，得到历史环境影响参数特征向量；

提取所述历史监测数据的特征向量，得到状态特征向量；

通过所述历史环境影响参数特征向量以及所述状态特征向量对神经网络模型进行训练，得到预测模型。

可选的，所述通过所述历史环境影响参数特征向量以及所述状态特征向量对神经网络模型进行训练，得到预测模型，具体包括：

通过所述历史环境影响参数特征向量以及神经网络模型预测窗户的开关状态，得到预测数据；

判断所述状态特征向量与预测数据的误差是否在阈值范围内；