基于时频特征分析的在室人数水平预测方法研究

摘要

在现有的在室人数研究中,考虑到传感器数据中含有冗余信息,需在原始数据中提取出能反映在室人数变化的有效特征。传统研究方法中所采用的有效特征主要为时域特征,忽略了频域特征参数对模型的影响,导致输入参数缺乏由于在室人数变化而带来的瞬态变化(如频率变化)信息,从而限制了模型预测性能。针对此,本文提出在提取输入特征时除考虑时域信息之外,还应同时考虑频域信息。为实现该目标,本文采用小波分解提取包含时频信息的小波特征用于在室人数水平预测,进而提升模型预测在室人数水平性能。本文以在室人数研究中常用的支持向量机模型和随机森林模型为例,在此基础上对比了不同模型下的预测结果以及不同小波基函数对结果的影响。结果表明,与采用传统时域特征的模型相比较,基于小波特征的支持向量机模型和随机森林模型预测性能均明显提高,分别从60.14%和60.91%增加到66.67%和65.36%。