[发明专利]一种基于支持向量机算法预测窗户状态的方法

权利要求书

1.一种基于支持向量机算法预测窗户状态的方法，其特征在于，包含以下步骤：

步骤1：根据获取的环境参数数据构建样本集，其中，所述环境参数数据包括室内空气温湿度、室内二氧化碳浓度、室外空气温湿度、风速、风向、PM_2.5浓度、太阳辐射度及同一时刻下对应的窗户状态；

步骤2：将样本集随机划分为训练样本集和预测样本集；

步骤3：根据所述训练样本集对支持向量机模型进行训练，得到支持向量机模型的最优分类超平面，进而得到训练好的支持向量机模型；

步骤4：将预测样本集输入到训练好的支持向量机模型中得出最后的分类预测结果；

步骤5：对比实际窗户状态，检验预测结果。

2.根据权利要求1所述的基于支持向量机算法预测窗户状态的方法，其特征在于，所述步骤3：根据所述训练样本集对支持向量机模型进行训练，得到支持向量机模型的最优分类超平面，进而得到训练好的支持向量机模型，具体包括：

根据训练样本集计算得到将不同类别样本分开的划分超平面：ω^Tx_i+b＝0(1)，窗户的开关状态采用正、负(+1，-1)来区分，将训练样本集中窗户状态为开所对应的环境参数数据划分为正样本，将训练样本集中窗户状态为关所对应的环境参数数据划分为负样本，正样本满足公式ω^Tx_i+b≥+1 (2)，负样本满足公式ω^Tx_i+b≤-1 (3)，当ω^Tx_i+b＝+1时，则为正平面，当ω^Tx_i+b＝-1时，则为负平面，其中，落在正负两个平面上的训练样本点为支持向量，正负支持向量之间的距离为其中，x₁,x₂分别是使公式(2)和(3)等号成立时的点；正负支持向量之间的距离为寻找最大异类支持向量之间的距离问题可转化为寻找最小||ω||，等价于最小化||ω||²，得到公式

引入拉格朗日乘子法得到对偶问题：

α_i≥0,i＝1,2,...,m.

其中，ω是决定超平面方向的法向量，ω＝(w₁；w₂；...；w_d)，b是决定超平面与原点之间距离的位移项，x_i是样本及其属性所在自变量，α为拉格朗日乘子，m为属性数量，φ(x)为将x映射后的特征向量。

3.根据权利要求2所述的基于支持向量机算法预测窗户状态的方法，其特征在于，所述支持向量机模型中包括核函数，所述核函数的选取包含以下步骤：

从核函数库中选择支持向量机模型的核函数，其中核函数库有线性核函数、多项式核函数、高斯核函数、拉普拉斯核函数、sigmoid核函数、径向基核函数以及多种核函数的线性组合，默认选择支持向量机模型的核函数为径向基核函数；

径向基核函数的表达式为k(x_i,x_j)＝exp(-γ||x_i-x_j||²),γ＞0，其中，有两个参数必须要考虑：c为惩罚系数，通用在所有SVM内核，可以对训练样本的误分类进行有价转换，较大的c旨在正确地分类所有训练样本；g为上式中的gamma，定义了单一训练样本的影响性，过大的g会让其他样本受到影响。理论上，分别将参数c和g分别在(0，+∞)和(0,1)范围内逐个进行取值，得到参数c和g的最优值。

4.根据权利要求1所述的基于支持向量机算法预测窗户状态的方法，其特征在于，所述步骤4：将预测样本集输入到训练好的支持向量机模型中得出最后的分类预测结果，具体包括：

当预测样本集满足公式ω^Tx_i+b≥+1，则判定窗户状态为开；

当预测样本集满足公式ω^Tx_i+b≤-1，则判定窗户状态为关。