买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连理工大学申请的专利一种基于信息挖掘的室内人员状态特征和多种用能需求估计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116521759B 。

龙图腾网通过国家知识产权局官网在2026-02-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310493794.9，技术领域涉及：G06F16/2458；该发明授权一种基于信息挖掘的室内人员状态特征和多种用能需求估计方法是由梁若冰;王鹏;梁浩然设计研发完成，并于2023-05-04向国家知识产权局提交的专利申请。

本一种基于信息挖掘的室内人员状态特征和多种用能需求估计方法在说明书摘要公布了：本发明公开一种基于信息挖掘的室内人员状态特征和多种用能需求估计方法，属于建筑能耗精准预测领域。本发明运用数据挖掘技术，将“人”的影响运用数据表达出来，加入到以传统物理模型为基础的仿真平台，克服了传统物理模型无法刻画人行为的问题。同时该方法可以更好的对不同建筑进行模型迁移，使得数据驱动模型可以更好的进行泛化。

本发明授权一种基于信息挖掘的室内人员状态特征和多种用能需求估计方法在权利要求书中公布了：1.一种基于信息挖掘的室内人员状态特征和多种用能需求估计方法，其特征在于，具体步骤如下： S1、数据采集与数据预处理： S1.1、数据采集采集的数据分为两部分，一部分是以人员本身为基础的人员身体信息，一部分是以人员行为为基础的人员动作信息；人员身体信息包括：人体皮肤温度、人员在室停留时间，人员不同房间停留比例及人员是否在室；同时对空调温度设定值、室内温度、室内相对湿度、室外温度、室外相对湿度、降水情况、太阳辐射照度、室外风速、空气质量指数这些连续性变量以及工作日情况、时段分类变量进行记录；人员动作信息包括：窗户开闭情况、遮阳开闭情况、空调控制器开闭情况、恒温器调节情况，同时还要对建筑冷热电耗进行收集； S1.2、数据预处理技术数据预处理主要包括数据清洗、数据集成、数据转换和数据归约； S2、人员模型的建立： S2.1、人员移动模型的建立基于马尔科夫链和事件机制建立人员移动模型，以马尔可夫链的随机跳转过程类比人的随机移动情况，根据室内人员当前时刻的位置及转移矩阵P，基于条件概率预测人员下一时刻的位置，揭示不同人员在建筑空间中的移动过程并刻画人员的在室情况，模型如下所示： ； 其中，为转移概率，为时刻人员移动发生情况，、为不同的空间状态，为在状态下停留的时间，为时间步长，为马尔可夫链在以进入状态开始，个时间步长后离开状态的概率；当人员在时刻发生移动时，必然从一个状态点移动到另一个状态点，则此时为1，移动事件发生，反之人员没有移动，状态保持不变； S2.2、人员行为模型的建立首先，采用相关性检验衡量二分类变量与连续性变量的相关性，相关性检验采用Point‑biserial相关系数检验方法，具体求解方法如下： ； 其中，为相关系数，、为二分类变量在1、0时连续变量的均值，,、为二分类变量分别在1、0时的频数，为二分类变量的变量个数，为连续变量的标准偏差，其中为连续变量的变量个数，为连续变量样本值，为连续变量样本均值； 在衡量出不同因变量与自变量的相关性后，开始建立人员行为模型，进行行为预测；采用支持向量机算法SVM进行模型的训练，在SVM算法中通过不同的核函数将数据点映射到高维空间中，并在该空间中构建一个最优的超平面；这个超平面可以最大程度地分割不同类别的数据点，并最小化分类误差；原理如下： ； 其中,为样本特征向量，为法向量，为位移项，为间隔，为优化目标，使其最小，为惩罚参数用于平衡分类错误和模型复杂度，为松弛变量用于允许某些样本误分类或距超平面很近，为下标，即样本总数为； S3、混合模型的建立混合模型的建立采用物理模型与数据驱动模型相叠加，以物理仿真模型为基础平台，提供建筑热工参数以及天气情况，将人员移动模型以及人员行为模型输入到物理模型；物理模型提供基础，数据驱动模型提供与人有关的随机变量，最后集成的混合模型去预测建筑未来一段时间内用能需求； S4、混合模型性能评价对于预测生成的用能情况，需要与原始数据进行比较，确定预测情况；以平均绝对百分比误差MAPE、均方根误差RMSE、变异系数CV对混合模型进行评价，计算是否符合精准预测； 具体计算公式如下： ； 其中，表示预测值，表示真实值；MAPE越接近0%，混合模型越完美；RMSE越小，计算结果越好；CV越小，说明预测值与实际值之间离散程度越小，混合模型越成功。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。