基于機器學習的熱舒適投票預測.pdf

《基于機器學習的熱舒適投票預測》講解了對某大型商場內的空氣狀態、空氣品質、光環境及聲環境等多項參數進行實測，并結合受試者的個人參數，建立并評價熱舒適投票預測模型的過程。研究通過決策樹、邏輯回歸、支持向量機和隨機森林這幾種機器學習算法來構建預測模型，并探討了不同類型輸入參數（如單輸入參數與多輸入參數）對這些模型預測性能的影響。研究表明，當使用單一環境或個人參數作為輸入參數時，各模型預測表現差異明顯。特別是以空氣相對濕度為單輸入參數時預測結果較為理想。對于多個變量組合情況，發現擴大至涵蓋所有測量和調研得到的數據點，可以顯著提升模型的準確性，尤其是空氣狀態參數和個人參數相結合能夠明顯改善熱舒適投票的預測效果。該研究強調利用多種因素數據進行更準確的人體熱舒適感受預測，這對于實際場景中提供更為適宜的室內環境有著重要指導意義。

《基于機器學習的熱舒適投票預測》適用于建筑設計及暖通空調系統的開發工程師、建筑環境科學家和相關科研人員。本研究所提供的模型評估結果對于在復雜且動態變化的大空間環境中，例如商場、機場候機樓以及其他公共設施中實現優化的人工氣候控制系統有重要意義。此外，該文章中的研究方法及結論可幫助上述領域的專業人士更好地理解影響人們熱舒適感知的各種因素，通過引入先進的數據分析工具提高環境調節效率與精準度，從而制定出符合人體工效學的設計規范和技術指南。