基于BP神经网络的PMV预测模型

凡烈 吴永斌 杜文杰 李尚绩

摘 要：预测平均投票PMV（Predict Mean Vote）作为人体热舒适的评价指标，在建筑HVAC系统中有着广泛的应用。传统的 PMV计算方法复杂度很高，必须利用计算机，且对CUP、内存等资源消耗较大。但通过利用Python编程语言和TensorFlow深度学习框架搭建BP神经网络，建立PMV预测模型，可以更高效地计算出PMV值，满足工程需要。

关键词：PMV；BP神经网络；预测模型；HVAC；深度学习

在2017年，AlphaGo以3：0的成绩击败了围棋冠军柯洁。引发了AI（人工智能）热潮，而AlphaGo所用到的围棋AI算法中，就含有神经网络算法。随着人们逐渐进入大数据时代，CPU、GPU等硬件的计算力提升，神经网络以深度学习的形式兴起，在许多领域都有应用。BP神经网络使用BP算法训练，它是迄今最成功的神经网络学习算法，现实任务中使用神经网络时，大多是在使用BP算法进行训练[1]。

1、PMV指标

从图3可以看出，预测值与期望值误差较小，模型是比较可靠的。误差的来源可能是在梯度下降时陷入了局部最小值，可以不断调整初始化参数或采用随机梯度下降的方法来减少误差。

4、结束语

基于BP神经网络建立的PMV预测模型不需要像传统PMV计算方法那样迭代运算，可以减少运算时间，減轻CPU负荷，节省内存资源，利用TensorFlow和Python的组合可以使建模的过程更加简捷。而且，在2017年，华为发布了麒麟970芯片，首次在智能手机SoC芯片上加持NPU（嵌入式神经网络处理器），使手机芯片逐渐AI化，华为、谷歌、英伟达等公司也在开发适用于其他领域的AI芯片。相信不久，建筑中的HVAC系统的芯片也会逐渐AI化，实现HVAC系统基于PMV指标的实时控制。

参考文献：

[1]周志华.机器学习[M].北京：清华大学出版社，2016.

[2]朱颖心.建筑环境学[M].北京：中国建筑工业出版社，2015.

[3]范存养.热舒适评价指标PMV及其实际应用[J].暖通空调，1993（03）：20-26.

[4]（巴西）法比奥，（巴西）艾伦.神经网络算法与实现：基于Java语言[M].北京：人民邮电出版社，2017.9.

作者简介：

凡烈（1999—），男，四川南充，本科，研究方向：暖通空调。