《表8 室内空气品质融合结果》

《表8 室内空气品质融合结果》   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
《基于云计算平台的室内环境监测系统设计与实现》


  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

对于室内声、光环境和空气品质采用BP神经网络。室内光环境中输入层节点数为3,室内声环境的输入层节点为4,空气品质的输入层节点为4,其输出为对应评价的4个等级。为了避免在D-S证据理论进行决策级融合时由于BPA为0而引起证据冲突问题,在测试中将输出定义为0.1和0.9,而非传统的0和1。将网络的目标误差E设为10-3,室内光环境、声环境和空气品质的训练模型分别通过114,169,54次学习,达到设定精度。根据训练好的网络模型,通过传感器采集的样本数据进行仿真。室内热、光、声环境及空气品质融合的舒适度评价分别如表5~表8所示。