基于RS—LS-SVM的建筑物室内空气品质评价研究

doi:10.3778/j.issn.1002-8331.2009.16.068

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (16): 235-237.DOI: 10.3778/j.issn.1002-8331.2009.16.068

基于RS—LS-SVM的建筑物室内空气品质评价研究

于军琪¹,王佳²

1.西安建筑科技大学信息与控制工程学院，西安 710055
2.北京市住宅建筑设计研究院有限公司项目设计部，北京 100005

收稿日期:2008-11-17 修回日期:2009-02-09 出版日期:2009-06-01 发布日期:2009-06-01
通讯作者: 于军琪

Evaluation of building indoor air quality based on RS—LS-SVM

YU Jun-qi¹,WANG Jia²

1.School of Information and Control Engineering，Xi’an University of Architecture and Technology，Xi’an 710055，China
2.Department of Project Design，Beijing Institute of Residential Building Design & Research Co.，Ltd，Beijing 100005，China

Received:2008-11-17 Revised:2009-02-09 Online:2009-06-01 Published:2009-06-01
Contact: YU Jun-qi

摘要/Abstract

摘要： 提出一种基于粗糙集（Rough Set，RS）—最小二乘支持向量机（Least-squares-Support Vector Machine，LS-SVM）复合的建筑物室内空气品质评价方法，选取描述室内空气品质的六项监测指标作为评价因子，利用RS理论，对室内空气品质监测数据进行属性约简，消除冗余信息，用约简后的规则集对LS-SVM进行训练，使其达到满意精度。实验仿真表明：该复合方法具有良好的收敛速度与非线性逼近能力，能对室内空气品质进行实时、准确的评价，为建筑物室内空气品质监测、环境污染治理提供科学依据。

关键词: 粗糙集, 最小二乘支持向量机, 室内空气品质评价

Abstract: An arithmetic for evaluation of indoor air quality was proposed based on composite of Rough Set（RS）—Least-Squares Support Vector Machine（LS-SVM）.Six monitoring indexes of indoor air quality are utilized as the evaluation items，use the RS to reduce the properties of indoor air quality monitoring data，eliminate the redundant information，and use the reductive regulations to train the LS-SVM，achieve the satisfactory precision.The simulation results indicate that the method has better performance of convergence speed and nonlinear approaching，and gives a real-time and accurate result of evaluation of indoor air quality，it provides a scientific basis for building indoor environment monitor and pollution control.

Key words: Rough Set（RS）, Least-Squares Support Vector Machine（LS-SVM）, evaluation of indoor air quality

于军琪¹,王佳². 基于RS—LS-SVM的建筑物室内空气品质评价研究[J]. 计算机工程与应用, 2009, 45(16): 235-237.

YU Jun-qi¹,WANG Jia². Evaluation of building indoor air quality based on RS—LS-SVM[J]. Computer Engineering and Applications, 2009, 45(16): 235-237.

[1]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[2]	王庆荣，马辰坤. 面向案例消耗推理的应急物资预测[J]. 计算机工程与应用, 2021, 57(22): 281-287.
[3]	刘玉锋，孙文鑫. 一般多粒度量化软粗糙集模型[J]. 计算机工程与应用, 2021, 57(12): 137-143.
[4]	刘桂枝. 维度变化的不完备混合型数据增量式属性约简[J]. 计算机工程与应用, 2021, 57(12): 161-169.
[5]	温廷新，孔祥博. 不平衡样本下的金融市场极端风险预警研究[J]. 计算机工程与应用, 2020, 56(8): 256-260.
[6]	张博，贾华宇，马珺. RS-GA神经网络无人机受风情况估计[J]. 计算机工程与应用, 2020, 56(4): 209-213.
[7]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[8]	张建华，李方方，杨岚. 融合PFS与RS的案例知识供需匹配研究[J]. 计算机工程与应用, 2020, 56(23): 139-145.
[9]	骆公志，梅焘. 监督机制多粒度决策粗糙集模型及应用[J]. 计算机工程与应用, 2020, 56(18): 214-220.
[10]	谢旭明，段隆振，邱桃荣，杨幼凤. 改进量子搜索算法及其在核属性求解上的应用[J]. 计算机工程与应用, 2020, 56(14): 57-61.
[11]	李旭，荣梓景，任艳. 带权决策表的属性约简[J]. 计算机工程与应用, 2020, 56(12): 54-59.
[12]	陈盼盼，林梦雷. 基于包含度的单值中智决策信息系统属性约简[J]. 计算机工程与应用, 2020, 56(12): 175-181.
[13]	任俊1，唐绮雯1，徐怡2，胡善忠2. 大学生贫困资助评定的多粒度粗糙集研究[J]. 计算机工程与应用, 2019, 55(7): 82-86.
[14]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[15]	齐美兰，李小南. 集值映射的拟阵结构及其与覆盖粗糙集的关系[J]. 计算机工程与应用, 2019, 55(6): 50-56.

基于RS—LS-SVM的建筑物室内空气品质评价研究

Evaluation of building indoor air quality based on RS—LS-SVM

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics