《表1 马尔科夫状态预测模型中转移矩阵中各因素的相关系数和截距》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于马尔科夫算法对预测窗户状态模型的研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

总的来说，马尔科夫模型的关键在于找到可用的转移矩阵。表1提供了马尔科夫转移矩阵中各个行为预测概率所对应的相关系数和截距。转移矩阵中的窗户由开到关的概率（P10）和由关到开的概率（P01）是具体直观表现窗户状态变化的因素。由于这两个概率的预测是由逻辑回归算法得出，并得到相关影响因素排名。窗户被打开的概率与太阳辐射度，室内温度和PM2.5浓度相关，而窗户被关闭的概率则与室外温度，室内温度和风速相关。根据建模结果总结，可以将预测P01的相关因素可以被分为三组：日照时长（θsh），室内温度（θit），室内温度和PM2.5浓度（θit+θPM）以及日照时长和室内温度（θsh+θit）。同样的，P10的预测也分为三组：室内温度θit，室内温度和风速（θit+θws）以及室内外温度和风速（θot+θit+θws）。开窗行为P01随着日照时长和室内温度的增加而增加，随着PM2.5浓度的增加而减少，这意味着室内人员倾向于打开办公室窗户以降低室内温度；对应的，风速的增高和室内外温度的下降则与关窗行为概率（P10）的增长在某种程度上相对应。