347-基于神经网络的开窗行为预测研究.pdf

基于神经网络的开窗行为预测研究 1 2 3 4 4 2 2 1 熊樱子 钱嘉宏 梁浩 魏祎璇 夏亮 李庆平 王国建 潘嵩 1 北京工业大学 建筑工程学院，北京 100022 2 北京住宅建筑设计研究院，北京 100005 3 住房和城乡建设部科技与产业化发展中心规划发展处 100835 4 宁波诺丁汉大学理工学院，宁波 315100 摘 要：人工神经网络是机器学习中的一类算法，通常用于解决分类和回归问题。本研 究试图利用机器学习技术，即利用BP （Error Back Propagation Network）神经网络的自 学习、自适应和泛化能力来寻求更具通用性的开窗行为建模方法。通过与既有的逻辑回归方 法进行比较，发现人工神经网络对办公建筑人员开窗率的预测精度在70%左右，明显优于逻 辑回归方法，具有较高的预测精度和可靠性。 关键词：人员开窗行为；BP 神经网络；自然通风；办公建筑 Abstract: Artificial neural networks are a classical algorithms in machine learning and are often used to solve classification and regression problems. This study tried to use machine learning technics, i.e. Artificial Neural Network (ANN) which has well self-learning, self-adaptation and generalization capabilities, to achieve office building window behavior modelling. The prediction accuracy of artificial neural network for office building window behavior modelling is about 70%, compared with logistic regression modeling method, the ANN has higher prediction accuracy and reliability. 0 引言 机器学习是多种从数据中发现规律的一类理论方法的统称，它是人工智能的一个分支， 致力于研究如何通过计算的手段，利用数据作为经验来改善系统的自身性能。机器学习所研 究的主要内容是使用计算机从既有数据中产生模型，即学习算法。在面对新问题时，基于这 些数据产生的模型便可以提供相应的判断。它包括分类、回归、聚类、降维等方法。根据训 练数据是否拥有标记信息，可分为“监督学习”“无监督学习”，分类和回归是前者的代表， 而聚类是后者的代表。人工神经网络是机器学习中的一类算法，通常用于解决分类和回归问 题[1] 。 神经网络原理是利用网络的学习和记忆功能，让神经网络学习各个类别中的样本特 征，在遇到待识别样本时神经网络利用记住的特征信息对比输入向量，从而确定待测样本 所属类别[2] 。BP 神经网络是目前发展较成熟的一种神经网络模型，是一种多层前馈神经网 络，该网络的主要特点是信号前向传递，误差反向传递。其网络结构如图1-1 所示。BP 神 经网络具有非线性映射能力强、并行分布处理、自学习和自适应能力强以及数据融合能力 [作者简介] 熊樱子，研究生在读，北京工业大学 [通讯地址]北京市朝阳区平乐园100 号北京工业大学，邮编：100124 [联系方式] 手机邮箱163.com [3] 强等优点 。 图1-1 BP 网络结构图 为了更好地实现自然通风系统的设计与控制，人员开关窗行为的影响因素分析以及模 型建立越来越受到重视 [4-10] 。目前经典的人行为（包括开关窗行为）预测模型主要基于 logistic 回归法和马尔科夫法[11] 。使用 BP 神经网络分类的方法来预测开窗行为，既可以 利用黑箱模型的优势来规避开窗行为中生理、心理等难以量化的影响因素，又可以利用 BP 神经网络的