基于PSO-SVM的PMV指标预测系统研究  

Research of PMV Index Forecasting System based on PSO-SVM

作　　者：赵敏华[1] 苏蕤[1] 徐立先[2] 

机构地区：[1]西安建筑科技大学信息与控制工程学院 [2]山东省科学院自动化研究所

出　　处：《建筑热能通风空调》2015年第3期73-76,共4页Building Energy & Environment

基　　金：陕西省教育厅自然科学研究项目基金(12JK0999);西安建筑科技大学科技计划项目(JC1215)

摘　　要：随着空调应用的日益广泛,室内环境的热舒适性和空气品质越来越受到人们的关注。基于此本文研究了一种自适应粒子群支持向量机分类模型对室内热舒适度进行评价的方法,文中给出了模型的详细设计步骤和实现代码,并采用"智能建筑环境技术平台"的热舒适指标数据库中的夏季PMV数据集对模型进行仿真研究,且与基于网格搜索-SVM模型作了深入对比,实验结果表明PSO-SVM模型应用到室内环境舒适度评价具有一定优势。With the increasingly widespread application of air-condition, the indoor environmental thermal comfort and the air quality have got more and more people＇s attention. Based on this condition, the paper is researched on an adaptive PSO support vector machine classification model given a detailed model of the design steps and implementation code,then the model is validated using the summer PMV data sets of thermal comfort index database on ＂Intelligent Building Environment Technology Platform＂. At last, the experimental results show that the PSO-SVM model is applied to indoor environmental comfort evaluation has certain advantages than the grid-based search-SVM model in depth comparison.

关 键 词：热舒适指标 粒子群算法 支持向量机 

分 类 号：TU831.1[建筑科学—供热、供燃气、通风及空调工程]