人行为模型反映特性的比较研究.docx
- 文档编号:29087411
- 上传时间:2023-07-20
- 格式:DOCX
- 页数:9
- 大小:21.49KB
人行为模型反映特性的比较研究.docx
《人行为模型反映特性的比较研究.docx》由会员分享,可在线阅读,更多相关《人行为模型反映特性的比较研究.docx(9页珍藏版)》请在冰豆网上搜索。
人行为模型反映特性的比较研究
人行为模型反映特性的比较研究
[摘要]针对建筑人行为随机模型中的Logistic回归模型和清华大学提出的基于条件触发的动作模型,开展两者在人行为特性定量描述上的分析对比研究。
以北京某高校学生宿舍分体空调的开、关行为为分析案例,基于房间温度、湿度的现场测试数据、室内空调运行的问卷调查信息及由此统计得出的不同驱动状况下空调开、关动作发生概率的离散数据,分别应用Logistic回归模型与动作模型拟合确定并分析比较各个驱动力下宿舍空调开、关行为的特征参数及空调开、关动作发生概率的变化趋势。
研究结果反映出两个模型各自的应用优势,同时表明在准确得到离散点概率统计值的情况下,Logistic回归模型与动作模型都可以对居住建筑间歇运行的空调行为给予真实的描述。
[关键词]Logistic回归模型;动作模型;动作发生概率;特征参数
建筑人行为主要指居住者为满足自身对环境的需求而对门窗、窗帘、分体空调、照明设备等使用运行状况的控制和调节。
建筑人行为、尤其建筑空调行为对建筑能耗的显著影响已被大量的现场实测和理论分析研究所证实,李兆坚[1]指出,全时间全空间使用空调的住户相比较仅在需要时才开启空调的部分时间部分空间用户,两者空调能耗的差异会在数十倍以上。
同时,在建筑模拟中对空调行为的描述是否合理还会严重影响到模拟结果的准确性。
另一方面,空调行为模式的变化还会导致室内环境的差异,KemptonW等[2]指出,全时间使用空调房间的室内温湿度较恒定,部分时间使用空调房间的室内温湿度波动大。
因此,对包括空调行为在内的建筑人行为进行合理定义,建立标准化的行为模型就成为日益迫切的问题。
在建筑人行为模拟的研究领域,研究者通过对大量实地调研数据的理论分析,从最初的确定性作息模型,相继提出了阈值模型、统计性模型和随机模型。
其中,确定性作息模型和阈值模型没有反映出人行为的随机性;统计模型采用的是基于群体的统计回归结果,并且描述的是人行为所控对象的状态,无法反映个体行为动作的发生状况。
相比较,随机模型着眼于导致被控对象状态变化的动作而非状态本身,因而能有效反映个体的行为状况,国内外对此的通用做法是采用Logistic函数对离散点的概率数据进行拟合,得到随环境参数变化的动作发生概率[3]。
Logistic回归模型的提出对于人行为动作模型的完善起到十分重要的作用,但在对复杂因素影响特性的反映上还有所欠缺。
对此,清华大学人行为研究组近期提出一套基于条件触发的动作模型(以下简称动作模型),针对不同的触发条件,该模型以时间和环境等纯物理量为自变量,通过概率函数对自变量与动作发生之间的相互关系进行描述,建立起相应的概率计算函数[4-5]。
目前,Logistic回归模型与动作模型在建筑人行为的研究中均得到了不同程度的应用,建筑人行为的模拟研究取得了显著进展[6-10],但有关两者对人行为定量反映特性的对比研究还尚未见报道。
对此,本研究以北京某高校学生宿舍分体空调的开、关行为为分析案例,基于房间温度、湿度的现场测试数据及空调运行的问卷调查信息,统计得出不同驱动状况下空调开、关动作的发生概率。
在此基础上,分别应用Logistic回归模型与动作模型对该学生宿舍分体空调的开、关行为进行定量描述,对应各个驱动力,分别拟合确定空调行为的特征参数,做出空调开、关动作概率的变化曲线,以此分析对比Logistic回归与动作这两个随机模型在刻画住宅空调行为方面的相同点与差异性。
1 模型介绍
1.1Logistic回归模型
Logistic回归模型基于Logistic函数,考虑单一环境因素(室内温度)对建筑人行为的影响。
Logistic回归模型描述居住建筑空调开、关动作概率的表达式为:
式中:
t 表示温度(℃);P(t)表示温度为t℃时对应的空调开启(关闭)概率,0≤ P(t)≤1;a、θ 为特性参数,其中,θ 对应着概率为0.5时的环境参数。
1.2动作模型
动作模型以时间和环境参数等纯物理量为自变量,通过概率函数对自变量与动作发生间的相互关系进行描述,利用概率判断动作发生的可能性,并将实际中出现的触发条件转化为对条件概率的计算,且针对不同的触发条件建立相应的概率计算函数模型。
动作模型描述居住建筑空调开、关动作概率的表达式为:
(1)基于环境参数触发的空调开、关动作模型:
针对人体在室内感到热时开和冷时关的情况。
开空调模型:
关空调模型:
式中:
P 表示空调开、关动作的发生概率;T 表示室内温度(℃);u 表示阈值参数,即空调开启的最低温度、关闭的最高温度;L 表示尺度参数,表征环境刺激的比例因子,即从阈值温度到开启率、关闭率p=1对应的温度的距离尺度,L 越大,则个体对环境的热忍受区间越大;k 表征动作随环境变化的敏感性,即曲线的“斜率”,用来描述概率曲线相对于自变量变化的敏感程度,k 值越大,使用者对于该自变量因素越敏感,概率变化曲线越陡峭。
因此,动作模型中u、L、k 这3个特征参数具有明确的物理意义。
(2)基于事件触发的空调开、关动作模型:
针对饭前开空调和饭后关空调的情况。
P=p (4)
(3)基于事件与环境共同触发的空调开、关动作模型:
针对人体进门感到热时、睡前感到热时和入睡后感到冷时的情况。
开空调模型:
关空调模型:
式中:
c 表示事件对于随环境因素变化的基本函数形式产生的附加影响;tsleep表示入睡时长;其余参数表示的意义同上。
2 研究对象和研究方法
2.1研究对象
本研究针对北京地区某高校学生宿舍楼的某宿舍房间,开展夏季空调行为的模拟分析。
该宿舍楼建筑共15层,调研宿舍房间处于12层,朝向为北,宿舍房间的室内布局见图1。
调研期间的常住人数为2人,此2人对空调环境基本具有相同的冷热喜好。
2.2研究方法
图1学生宿舍室内布局 图2Testo174H型温湿度自记仪
采用现场测试与问卷调查相结合的方法,对2014年暑期上述学生宿舍房间的空调行为开展研究。
在2014年暑期(7月15日至8月31日)对宿舍房间的室内温度和湿度开展了连续测试,测试时间间隔为10分钟。
测试仪器为Testo174H型温湿度自记仪,如图2所示,测试仪器的温度精度为0.5℃,相对湿度精度为3%,测试仪器的读数没有受到太阳辐射和室内其他热源、湿源的直接影响。
问卷调查的内容主要包括:
(1)居住者个体基本信息,如性别、年龄、北京居住生活时间等;
(2)空调开启、关闭驱动因素的信息,如热时开、进门开、睡前开、冷时关、睡觉后关、定时关等;(3)居住者每日的生活作息等。
3 结果与分析
3.1两种模型下的空调行为拟合结果
问卷调查的结果显示,该宿舍房间空调开启的驱动力为居住者平时在室内感到热、进门感到热和睡前感到热,而决定空调关闭的主要因素为居住者在室内感到冷和睡后感到冷。
本研究认为上述5种状况的环境驱动力是室温,其在不同情况下展现不同的驱动特性。
对此,基于房间温湿度的连续测试数据,并根据居住者室内的停留状况,分别统计出空调开启和关闭的动作概率。
由此,对离散点的概率数据分别进行Logistic回归模型和动作模型拟合,得出两种模型下空调行为特征参数、概率拟合曲线以及两个模型拟合概率的差值,如表1所示。
3.2“热时开”拟合结果的对比
统计分析的结果表示,Logistic回归模型拟合出了不随室内温度变化的概率直线,概率值恒定为0.5,这显然与实际的空调开启行为特性不相符;相比较,动作模型拟合得出了随室内温度变化的概率曲线,但室温达到40℃时的空调开启动作概率仅有0.8,并且只有当室温超过80℃时的空调开启动作概率才能达到1,结果与人体实际的生理热反应存在显著偏差。
因此,对于本研究“热时开”的情况,Logistic回归模型和动作模型都得出了无效的解。
分析问题产生的主要原因在于离散点概率统计值的不够准确,对居住者在空调开启时刻之前室内停留时间把握的不恰当将会导致离散点概率统计值的偏大或偏小,从而有可能在某些特定的偏差条件下,将计算结果引向了错误的方向。
因此,离散点概率统计值的准确性是决定模型拟合结果是否合理的关键。
3.3“进门热时开”拟合结果的对比
对于“进门感到热时开”的情况,Logistic回归模型拟合结果依然是概率值恒定为0.5,动作模型对空调开启行为预测的拟合结果则有了明显改善。
在室内温度低于阈值温度26℃时,空调开启动作概率为0,在室内温度到达35℃时,空调开启动作概率为1。
由此可看出,除了离散点概率统计值的准确性外,还有其他因素在制约着模型拟合结果的合理性。
动作模型与Logistic回归模型相比较,前者对离散点的概率统计值具有较好的适应性。
对此,基于离散点拟合分析的过程展开分析,本研究采用的是最小二乘法,故对Logistic回归模型与动作模型分别作最小二乘法分析。
3.3.1 Logistic模型的最小二乘法分析
对一组数据(ti , pi)(i=1,2,3,…,m),选定拟合函数:
,令
,由极值的一阶必要条件,要使F 达到最小,则函数F 对参a数a 、θ 的偏导数为0,即:
当上述方程组无法解出a、θ 的有效值时,由公式(8)可知,令lna=0,即a=1即可满足函数F 对参数a、θ 的偏导数为0的要求,从而使得概率计算结果恒定为0.5。
3.3.2 动作模型的最小二乘法分析
对于动作模型,按照低于阈值温度时空调开启动作概率为0的基本原则,确定出参数u 值,进而应用最小二乘法原理,得到动作模型拟合对参数L、k的要求,即:
对比方程(7,8)和方程(9,10),可发现前者指数函数的底数和幂上都存在未知参数a 和θ,并且这两个未知参数相结合以指数函数的形式出现方程的分母中;而后两个方程中的未知参数L和k只出现在指数函数的幂上,并且也只以线性形式出现在方程的分母中。
因此,在应用最小二乘法原理拟合求解时,动作模型的函数形式相对于Logistic回归模型较为简单,从而对离散点的概率统计值具有较好的适应性。
3.4“睡前感到热时开”拟合结果的对比
相比较上述“感到热时开”与“进门感到热时开”的情况,在“睡前感到热时开”的驱动力下,应用Logistic回归模型和动作模型拟合得到概率曲线的一致性得以明显改善,两者计算结果的拟合优度R2也接近一致,在0.60左右。
但拟合概率的最大差值仍达到了0.27,并且在对空调行为的描述上存在一些本质的差异。
表1空调行为特征的拟合结果汇总
当温度小于阈值温度(空调开启的最低温度)时,应用Logistic回归模型拟合得出的概率值大于0,而阈值温度的基本定义表明此时应不存在空调的开启动作。
因此,相比较Logistic回归模型,动作模型在此方面的拟合结果与实际情况符合。
当温度大于两种模型拟合概率相同点的温度时,应用Logistic回归模型拟合得出的概率随温度的变化速率要快于应用动作模型的拟合结果,体现为Logistic回归模型的概率拟合结果在温度32℃时已为1,而动作模型在此温度下的概率拟合结果不到0.9,只有当温度超过38℃时其概率拟合值才达到1,这与人体的实际热感受存在一定偏差。
因此,在对较高温度下空调开启动作发生概率的描述上,Logistic回归模型的拟合结果更接近实际。
3.5“入睡后冷时关”和“冷时关”拟合结果的对比
对于“入睡后冷时关”的情况,应用Logistic回归模型和动作模型拟合得到概率曲线的一致性进一步增强,两种模型计算概率的最大差值降低到0.24;同时,计算结果的拟合优度R2加大,接近了0.9。
但相比较Logistic回归模型,动作模型对关闭概率1的预测结果依然存在滞后的现象。
对于“冷时关”的情况,应用两种模型拟合得到的概率曲线几乎完全重合。
此时,拟合概率的最大差值降低到0.09,并且计算结果的拟合优度R2都达到0.99,也即Logistic回归模型和动作模型的拟合结果对真实值做出了真实的反映。
通过以上驱动情况计算结果的分析比较,可初步发现,在正确把握房间空调开、关动作以及人员作息,从而准确得到离散点概率统计值的情况下,Logistic回归模型与动作模型都可以对居住建筑间歇运行的空调行为给予真实的描述。
4 结论
针对确定的空调行为驱动力,本文研究结果反映出Logistic回归模型与基于条件触发的动作模型在对建筑空调行为描述上的一致性和差异性以及两者各自的应用优势。
具体如下。
(1)Logistic回归模型与动作模型具有相同的概率变化曲线形式,但动作模型的3个特征参数u、l、k 相比较Logistic回归模型的特征参数a、θ 具有更明确的物理意义。
(2)在应用最小二乘法原理拟合求解时,相比较Logistic回归模型,动作模型的函数形式相对简单,对离散点的样本数据的适用性较好。
(3)Logistic回归模型对空调开启动作阈值温度的反映与实际存在一定偏差,但动作模型对空调开启和关闭概率1的预测结果相对于Logistic回归模型存在滞后的现象。
(4)在准确得到离散点概率统计值的情况下,Logistic回归模型与动作模型都可以对居住建筑间歇运行的空调行为给予真实的描述。
因此,对建筑空调开、关行为的准确刻画和把握应综合这两者随机模型,本文工作对后续空调行为模型的系统和深入研究有参考价值。
参考文献
[1]李兆坚,江亿,魏庆芃.环境参数与空调行为对住宅空调能耗影响调查分析[J].暖通空调,2007,37(8):
67–71.
[2]WillettK,DanielF,ArthurE.“Ialwaysturnitonsuper”:
userdecisionsaboutwhenandhowtooperateroomairconditioners[J].Energy&Buildings,1992,18(92):
177–191.
[3]TanimotoJ,HagishimaA.StatetransitionprobabilityfortheMarkovModeldealingwithon/offcoolingscheduleindwellings[J].Energy&Buildings,2005,37(3):
181–187.
[4]任晓欣.建筑中人行为动作模型研究与分析[D].北京:
清华大学,2015.
[5]王闯.有关建筑用能的人行为模拟研究[D].北京:
清华大学,2015.
[6]NicolJF,HumphreysMA.Astochasticapproachtothermalcomfort-Occupantbehaviorandenergyuseinbuildings[J].AshraeTransactions,2004(110):
554–568.
[7]SchweikerM,ShukuyaM.Comparisonoftheoreticalandstatisticalmodelsofair-conditioning-unitusagebehaviourinaresidentialsettingunderJapaneseclimaticconditions.BuildEnviron[J].Building&Environment,2009,44(10):
2137–2149.
[8]TanimotoJ,HagishimaA.StatetransitionprobabilityfortheMarkovModeldealingwithon/offcoolingscheduleindwellings[J].Energy&Buildings,2005,37(3):
181–187.
[9]任晓欣,燕达,王闯.基于人行为的住宅空调使用条件概率模型[C].第十九届全国暖通空调制冷学术年会论文集,天津,2014.10.28–31.
[10]RenX,YanD,WangC.Air-conditioningUsageConditionalProbabilityModelforResidentialBuildings[J].BuildingandEnvironment.2015(81):
172–182.
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 行为 模型 反映 特性 比较 研究