计算机应用

作者：陈彦如, 张涂静娃, 杜千, 冉茂亮, 王红军

单位：1. 西南交通大学 经济管理学院, 成都 610031;2. 中铁二院工程集团有限责任公司 建筑工程设计研究院, 成都 610031;3. 西南交通大学 信息科学与技术学院, 成都 611756

关键词：城市计算,深度森林,室内热舒适度,热环境不满意率,深度神经网络

基金：国家重点研发计划项目（2018YFC0705000）。

对于高铁站这类半封闭半开放空间的室内环境热舒适度等级难以准确预测的问题，提出基于深度森林（DF）的深度学习方法对热舒适度等级进行科学预测。首先基于现场调研和Energy Plus平台对高铁站室的热交换环境进行建模；其次提炼出客流密度、多联机开行台数和多联机设置温度等8个影响因素，并设计424种工况以获取海量数据；最后采用DF挖掘热舒适度与影响因素之间的关系，以对高铁站室内热舒适度等级进行预测。采用深度神经网络（DNN）和支持向量机（SVM）作为对比算法进行验证。实验结果表明，在3种模型中，DF在预测正确率和weighted-F1上表现最佳，DF的预测正确率最高达到99.76%，最低为98.11%。因此，DF能够有效预测高铁站室内的热舒适度等级。

来源：2021年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第1期