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(tǒng)中有著廣泛的應用。傳統(tǒng)的 PMV計算方法復雜度很高，必須利用計算機，且對CUP、內(nèi)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(jīng)網(wǎng)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(jīng)網(wǎng)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(fā)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(jīng)網(wǎng)絡算法。隨著人們逐漸進入大數(shù)據(jù)時代，CPU、GPU等硬件的計算力提升，神經(jīng)網(wǎng)絡以深度學習的形式興起，在許多領域都有應用。BP神經(jīng)網(wǎng)絡使用BP算法訓練，它是迄今最成功的神經(jīng)網(wǎng)絡學習算法，現(xiàn)實任務中使用神經(jīng)網(wǎng)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(diào)整初始化參數(shù)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(jīng)網(wǎng)絡建立的PMV預測模型不需要像傳統(tǒng)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(jié)省內(nèi)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(fā)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(jīng)網(wǎng)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(fā)適用于其他領域的AI芯片。相信不久，建筑中的HVAC系統(tǒng)的芯片也會逐漸AI化，實現(xiàn)HVAC系統(tǒng)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(huán)境學[M].北京：中國建筑工業(yè)出版社，2015.

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

[4]（巴西）法比奧，（巴西）艾倫.神經(jīng)網(wǎng)絡算法與實現(xiàn)：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(diào)。