室內(nèi)人員信息對建筑能耗有重要影響,掌握室內(nèi)人員的狀態(tài)、行為等可以為建筑能耗模擬研究、暖通空調(diào)系統(tǒng)的運(yùn)行提供指導(dǎo)和幫助。然而,室內(nèi)人員數(shù)量的多變性及其行為的不確定性等因素給人員信息的識別帶來了諸多挑戰(zhàn)。目前國內(nèi)關(guān)于此方面的研究主要集中于人行為研究方面,而對人員數(shù)量、狀態(tài)的識別研究較少。此外,常用的人員信息識別方法存在侵犯個人隱私、成本高等問題,探究一種合適的人員信息識別方法顯得十分必要。因此,本文以哈爾濱市某高校研究生工作間為實驗對象展開工作,基于室內(nèi)環(huán)境參數(shù)的在線監(jiān)測,充分利用、挖掘環(huán)境數(shù)據(jù)中包含的人員信息,提出了利用時間序列分析、數(shù)據(jù)挖掘模型進(jìn)行室內(nèi)人員狀態(tài)、人數(shù)以及典型人員行為模式的識別方法。首先,利用環(huán)境參數(shù)監(jiān)測設(shè)備對工作間進(jìn)行了為期9周的環(huán)境數(shù)據(jù)（室內(nèi)溫度、相對濕度、光照度以及CO₂濃度）采集,與此同時,同步記錄室內(nèi)人員信息。通過得到的數(shù)據(jù)發(fā)現(xiàn),這是一種低成本、高效率且能保證個人隱私的高質(zhì)量的數(shù)據(jù)采集方法,相比于直接對人員進(jìn)行監(jiān)測具有明顯優(yōu)勢。其次,基于室內(nèi)CO₂濃度,利用時間序列分析方法,建立了預(yù)測CO₂濃度變... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：92 頁

【學(xué)位級別】：碩士

【部分圖文】：

CO2濃度時間序列的周期圖

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-59-Boosting方法即通過不斷地訓(xùn)練，最終選擇分類投票的最優(yōu)結(jié)果（即規(guī)則1）。結(jié)合C5.0模型識別結(jié)果和本案例分析，本研究最終選擇C5.0模型作為室內(nèi)人員狀態(tài)的識別模型，選擇光照度和CO2濃度為模型的輸入變量，最終生成的決策樹規(guī)則如下圖4-2所示，該決策樹樹深為3，共有9個節(jié)點（所有的矩形框），5個終端節(jié)點（不可再分的矩形框），5個決策規(guī)則集。決策規(guī)則集從左到右排列如下表4-8所示：圖4-2C5.0模型識別結(jié)果的決策樹

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-64-時左右波動，進(jìn)一步印證了前述的工作間內(nèi)人員60%的在室時間。在3個模型建立過程中，選用前12天的數(shù)據(jù)用作訓(xùn)練集，后4天的數(shù)據(jù)用作測試集。模型識別準(zhǔn)確度如下表4-12所示：表4-12燈具狀態(tài)識別準(zhǔn)確度模型準(zhǔn)確度（%）訓(xùn)練集測試集Logistic72.671.9C5.085.086.8CART85.086.8根據(jù)模型計算結(jié)果可以看出，決策樹模型的識別結(jié)果明顯由于邏輯回歸模型，C5.0模型和CART模型結(jié)果相同，均有15%左右的誤分類率。因此仍然選用C5.0模型作為燈具狀態(tài)的識別模型。C5.0模型生成的模型決策樹如圖4-4所示：決策規(guī)則如表4-13所示：表4-13燈具狀態(tài)識別規(guī)則條件分類結(jié)果光照度≤52lx0光照度≥52lx1根據(jù)表4-11顯示，所用的16天數(shù)據(jù)中，其中有7天一天內(nèi)的開、關(guān)燈次數(shù)僅有一次，即早上第一個人來時開燈，而在夜晚最后一個人離去時關(guān)燈，這應(yīng)用圖4-4燈具狀態(tài)識別C5.0模型決策樹

【參考文獻(xiàn)】：
期刊論文
[1]2019中國建筑能耗研究報告[J].   建筑. 2020(07)
[2]基于ARIMA模型的西安市空氣質(zhì)量指數(shù)的分析與預(yù)測[J]. 袁芳.  電腦知識與技術(shù). 2019(35)
[3]建筑人行為節(jié)能研究綜述及其在醫(yī)療建筑節(jié)能與設(shè)計應(yīng)用性展望[J]. 王偉,陳嘉宇,周穎,徐小東.  江蘇建筑. 2019(S1)
[4]基于數(shù)據(jù)挖掘技術(shù)的北方寒冷地區(qū)居民用水、用氣數(shù)據(jù)處理方法探討[J]. 周浩,林波榮,張仲宸,戚建強(qiáng),鄭立紅,常晨晨.  暖通空調(diào). 2019(02)
[5]結(jié)合人員行為的分散式空調(diào)系統(tǒng)能耗模擬[J]. 徐蕾,潘毅群,黃治鐘.  建筑科學(xué). 2018(10)
[6]基于二氧化碳測量的室內(nèi)人數(shù)估計算法[J]. 劉德峰,袁鎖中.  兵工自動化. 2018(02)
[7]建筑人行為模擬中的重復(fù)模擬和時間步長[J]. 豐曉航,燕達(dá),王闖.  暖通空調(diào). 2017(09)
[8]面向應(yīng)用的隨機(jī)人行為模型檢驗方法研究[J]. 豐曉航,燕達(dá),王闖.  暖通空調(diào). 2017(09)
[9]作息模式對建筑能耗模擬的影響分析[J]. 耿陽,林波榮,彭渤.  建筑技術(shù)開發(fā). 2016(04)
[10]建筑中人行為模擬研究現(xiàn)狀和展望[J]. 燕達(dá),豐曉航,王闖,Hong Tianzhen,William O’Brien,H.Burak Gunay,Farhang Tahmasebi,Ardeshir Mahdavi.  建筑科學(xué). 2015(10)

博士論文
[1]基于室內(nèi)環(huán)境監(jiān)測數(shù)據(jù)的人行為識別方法研究[D]. 周浩.天津大學(xué) 2016
[2]有關(guān)建筑用能的人行為模擬研究[D]. 王闖.清華大學(xué) 2014
[3]時間序列數(shù)據(jù)挖掘若干關(guān)鍵問題研究[D]. 何曉旭.中國科學(xué)技術(shù)大學(xué) 2014
[4]時間序列的相似性查詢與異常檢測[D]. 肖輝.復(fù)旦大學(xué) 2005
[5]數(shù)據(jù)挖掘技術(shù)與關(guān)聯(lián)規(guī)則挖掘算法研究[D]. 毛國君.北京工業(yè)大學(xué) 2003

碩士論文
[1]哈爾濱市某高校教室CO2濃度監(jiān)測分析及模擬研究[D]. 呂達(dá)林.哈爾濱工業(yè)大學(xué) 2019
[2]居住建筑人員用能隨機(jī)行為模型研究[D]. 潘陽陽.浙江大學(xué) 2017
[3]基于ARIMA模型及回歸分析的區(qū)域用電量預(yù)測方法研究[D]. 夏麗.南京理工大學(xué) 2013
[4]辦公建筑內(nèi)典型污染物控制的新風(fēng)量確定方法探討[D]. 呂超.哈爾濱工業(yè)大學(xué) 2007



本文編號：3602854