[发明专利]一种基于粗糙集和WNN的建筑室内空气品质评价方法

权利要求书

1.一种基于粗糙集和小波神经网络的建筑室内空气品质评价方法，其特征在于，包括以下步骤：

步骤一：进行现场实测，得到的关于室内空气品质环境参数的样本数据，建立室内空气品质等级评价体系；

步骤二：利用粗糙集理论对样本进行属性约简预处理；

步骤二中粗糙集对环境参数进行属性约简包括以下步骤：

(1)运用等距离划分思想，给出离散点，对样本集的原始数据进行离散化处理；

(2)建立粗糙集决策表，该表是以温度、相对湿度、风速、CO₂、PM₁₀、甲醛、TVOC和噪声评价指标作为条件属性的；

(3)利用粗糙集理论软件Rosetta对样本数据进行属性约简，去除冗杂属性，精简样本结构；

步骤三：利用Matlab软件将经过属性约简的环境参数作为小波神经网络的输入参数，建立小波神经网络训练模型对训练样本进行学习训练，并调试得到其最佳训练模型；

步骤三中建立小波神经网络训练模型对训练样本进行学习训练，包括以下步骤：

1)进行样本分类；

2)初始化小波神经网络参数；

3)选定小波神经网络隐含层节点的传递函数；

4)设置隐含层，输出层神经元节点个数；

5)计算隐含层神经元节点的输出值；

6)计算输出层神经元节点的输出值；

7)预测输出，计算误差；

8)控制网络精度，根据预测误差e修正小波基函数参数和小波神经网络权值，判断算法是否结束；

步骤1)中进行样本分类是通过如下实现的：把样本数据分成训练样本和测试样本两部分，训练样本进行学习训练，测试样本用来进行测试及评价；把训练样本经粗糙集约简后形成的建筑室内空气品质等级决策表按照矩阵的形式导入Matlab软件之中，约简后的条件属性作为输入参数，决策属性作为识别输出结果，建立小波神经网络训练模型进行小波神经网络学习训练；

步骤四：确定所述最佳训练模型为小波神经网络测试模型，把测试样本放入该训练好的测试模型中进行室内空气品质在线评价。

2.根据权利要求1所述的基于粗糙集和小波神经网络的建筑室内空气品质评价方法，其特征在于，步骤一中所述环境参数涉及的室内空气品质的影响因素包括空气温度、二氧化碳、相对湿度、风速、总挥发性有机化合物、可吸入颗粒物、甲醛以及噪声。

3.根据权利要求2所述的基于粗糙集和小波神经网络的建筑室内空气品质评价方法，其特征在于，所述室内空气为大型商场的建筑物室内空气。

4.根据权利要求1所述的基于粗糙集和小波神经网络的建筑室内空气品质评价方法，其特征在于，步骤一中建立室内空气品质等级评价体系是以《GB-T18883-2002室内环境空气质量标准》为依据，划分四个室内空气品质评价等级。

5.根据权利要求4所述的基于粗糙集和小波神经网络的建筑室内空气品质评价方法，其特征在于，所述四个室内空气品质评价等级分别为：未污染、轻度污染、中度污染和重度污染。

6.根据权利要求1所述的基于粗糙集和小波神经网络的建筑室内空气品质评价方法，其特征在于，步骤(1)中对样本集的原始数据进行离散化处理如下：将数据的原始域离散为4个区间，分别编码为1、2、3和4，1表示样本中的指标值未超标，2表示指标值轻度超标，3表示指标值中度超标，4表示指标值严重超标。