基于BP神經網絡的PMV預測模型

凡烈 吳永斌 杜文杰 李尚績

摘 要：預測平均投票PMV（Predict Mean Vote）作為人體熱舒適的評價指標，在建筑HVAC系統中有著廣泛的應用。傳統的 PMV計算方法復雜度很高，必須利用計算機，且對CUP、內存等資源消耗較大。但通過利用Python編程語言和TensorFlow深度學習框架搭建BP神經網絡，建立PMV預測模型，可以更高效地計算出PMV值，滿足工程需要。

關鍵詞：PMV；BP神經網絡；預測模型；HVAC；深度學習

在2017年，AlphaGo以3：0的成績擊敗了圍棋冠軍柯潔。引發了AI（人工智能）熱潮，而AlphaGo所用到的圍棋AI算法中，就含有神經網絡算法。隨著人們逐漸進入大數據時代，CPU、GPU等硬件的計算力提升，神經網絡以深度學習的形式興起，在許多領域都有應用。BP神經網絡使用BP算法訓練，它是迄今最成功的神經網絡學習算法，現實任務中使用神經網絡時，大多是在使用BP算法進行訓練[1]。

1、PMV指標

從圖3可以看出，預測值與期望值誤差較小，模型是比較可靠的。誤差的來源可能是在梯度下降時陷入了局部最小值，可以不斷調整初始化參數或采用隨機梯度下降的方法來減少誤差。

4、結束語

基于BP神經網絡建立的PMV預測模型不需要像傳統PMV計算方法那樣迭代運算，可以減少運算時間，減輕CPU負荷，節省內存資源，利用TensorFlow和Python的組合可以使建模的過程更加簡捷。而且，在2017年，華為發布了麒麟970芯片，首次在智能手機SoC芯片上加持NPU（嵌入式神經網絡處理器），使手機芯片逐漸AI化，華為、谷歌、英偉達等公司也在開發適用于其他領域的AI芯片。相信不久，建筑中的HVAC系統的芯片也會逐漸AI化，實現HVAC系統基于PMV指標的實時控制。

參考文獻：

[1]周志華.機器學習[M].北京：清華大學出版社，2016.

[2]朱穎心.建筑環境學[M].北京：中國建筑工業出版社，2015.

[3]范存養.熱舒適評價指標PMV及其實際應用[J].暖通空調，1993（03）：20-26.

[4]（巴西）法比奧，（巴西）艾倫.神經網絡算法與實現：基于Java語言[M].北京：人民郵電出版社，2017.9.

作者簡介：

凡烈（1999—），男，四川南充，本科，研究方向：暖通空調。