[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有效
| 申请号： | 201910606867.4 | 申请日： | 2019-07-06 |
| 公开（公告）号： | CN110309609B | 公开（公告）日： | 2022-06-28 |
| 发明（设计）人： | 雷蕾;陈威;王宁;郑皓 | 申请（专利权）人： | 桂林电子科技大学 |
| 主分类号： | G16C20/70 | 分类号： | G16C20/70;G16C20/20;G06N3/04;G06N3/08 |
| 代理公司： | 南宁胜荣专利代理事务所(特殊普通合伙) 45126 | 代理人： | 关文龙 |
| 地址： | 541004 广西壮族自*** | 国省代码： | 广西;45 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 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。 | ||
| 搜索关键词： | 一种 基于 粗糙 wnn 建筑 室内空气 品质 评价 方法 | ||
【主权项】：
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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于桂林电子科技大学，未经桂林电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910606867.4/，转载请声明来源钻瓜专利网。
