[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

说明书

本发明公开了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，包括以下步骤：(1)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；(2)利用粗糙集理论对样本进行属性约简预处理；(3)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；(4)确定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。本发明的评价方法解决了传统室内空气品质评价方法中主观性过强和实用性不够的问题，为建筑室内空气品质等级的客观评价提供了有效的解决方案。

技术领域

本发明属于建筑室内空气品质评价技术领域，具体涉及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。

背景技术

空气污染正在给全球健康带来巨大挑战，据WHO调查研究，在2012年的全球死亡人数中估计有8分之一是死于空气污染。而人一天中90％的时间是在室内环境下度过的，这使人们越来越认识到室内空气品质的重要性。在密闭的室内环境下，室内物品及建材散发出有害物质，暖通空调设备运行,人员活动和室外大气污染等都会导致室内污染物超标及一系列室内空气污染问题，从而对人的健康产生重要影响。因此如何评价室内空气品质，是一个重要问题。

通常对室内环境空气质量评价有主观评价和客观评价。主观评价有感官法和分贝法等，它们最大优点是简单方便，很容易实现。但主观评价法过于依赖于人的主观感受，而不同的人其嗅觉灵敏度和主观感受是存在差异的。在客观评价中，有人针对室内空气品质是一个缺少足够信息去描述的模糊系统，尝试通过模糊数学法或灰色理论等来进行研究，这些方法相较于主观评价较准确、更客观，但这些方法在应用中需针对不同的实际问题来选取最优的权值计算公式或评价标准序列等，而权值计算公式或评价标准序列等的调整在实际问题中是比较麻烦的，因此这些传统的客观评价方法难以运用到实际场合中。鉴于此，本文发明一种结合粗糙集和小波神经网络的室内空气品质评价方法，

发明内容

本发明旨在提供一种更准确客观和更有效实用的基于粗糙集和小波神经网络的室内空气品质评价方法，以解决传统的客观评价方法难以运用到实际场合中的技术问题，以便更好的识别及评价建筑室内空气品质等级。

为了解决以上技术问题，本发明采用以下技术方案：

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，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；

步骤四：确定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。

进一步地，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。

进一步地，所述室内空气为大型商场之类的建筑物室内空气。

进一步地，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。

进一步地，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。

进一步地，步骤二中粗糙集对环境参数进行属性约简可以简化包括以下步骤：

(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；