买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州电子科技大学

摘要：本发明公开了一种改进DBO‑GRNN模型的室内热舒适度预测方法，该预测方法结合蜣螂优化算法与广义回归神经网络来预测PMV指数，借助蜣螂优化算法空间寻找能力强的特点，快速找到GRNN模型的最佳光滑因子，有效地节约了训练模型所需要的时间和迭代次数，实现了对室内热舒适度进行实时准确的预测，以便协助居住者或是智能家居对室内环境进行调控。同时，本发明使用Circle混沌映射初始化种群，并使用莱维飞行改进偷窃蜣螂的活动方式、采用非线性递减函数改进繁殖蜣螂的产卵区域和小蜣螂的觅食区域以及采用t分布影响小蜣螂的觅食行为，加快算法的收敛速度，更好地帮助算法对周围区域进行搜索。

主权项：1.一种改进DBO-GRNN模型的室内热舒适度预测方法，其特征在于：该预测方法包括以下步骤：步骤一、获取原始数据集，原始数据集中数据包括人体主观变量、环境变量和PMV指数；人体主观变量包括服装热阻和新陈代谢率；环境变量包括外界环境温度、风速、平均辐射温度和相对湿度；步骤二、构建DBO-GRNN神经网络模型2-1.构建蜣螂优化算法；1设置初始种群数量n，初始化种群，并将初始种群划分为滚球蜣螂、繁殖蜣螂、小蜣螂以及偷窃蜣螂；2分别设置滚球蜣螂、繁殖蜣螂、小蜣螂以及偷窃蜣螂的行为公式；确定繁殖蜣螂产卵区域的下界和上界、小蜣螂觅食区域的下界和上界的递减函数R的表达式如下： 3根据设置的行为公式更新蜣螂的位置，获取当前的最优解；4重复上述步骤，直至已迭代次数达到预设的迭代总次数Tmax，输出全局最优解；2-2.构建广义回归神经网络；广义回归神经网络包括输入层、模式层、求和层和输出层；模式层的节点数量与输入层的输入变量的数量相同，求和层节点的数量等于输出层的输出变量的数量加一；步骤三、根据人体主观变量筛选原始数据集，并对筛选得到的数据集中数据进行归一化处理；基于归一化处理得到的数据集获取训练集；步骤四、将训练集输入DBO-GRNN模型进行训练，针对广义回归神经网络中光滑因子的初始值，执行蜣螂优化算法，迭代获取全局最优解，作为广义回归神经网络的光滑因子；获取最终的DBO-GRNN模型；步骤五、采集被测室内的外界环境温度、风速、平均辐射温度、相对湿度，并将其输入最终的广义回归神经网络，最终的广义回归神经网络输出PMV指数；PMV指数衡量被测室内环境的热舒适度。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种改进DBO-GRNN模型的室内热舒适度预测方法