一种基于深度学习的室内环境舒适度调节方法及系统

摘要

本发明公开了一种基于深度学习的基于深度学习的室内环境舒适度调节方法及系统，在数据采集模块利用传感器设备进行环境数据采集，并将环境状态数据发送至边缘预处理与控制模块；基于深度学习LSTM神经网络构建模型来预测未来一定时间段室内环境的变化；将当前时刻传感器上传的多源异构环境数据，作为室内环境预测模型的输入；室内环境预测模型根据上传来的室内多源异构环境数据，完成预测并将结果发送给下一步中热舒适度控制模型；构建热舒适度控制模型，设置初始环境参数以及环境参数调节范围，提出在不同场景模式约束下提高人体舒适度的室内环境调节方案。本发明通过动态预测为用户提供舒适的室内环境的同时，使能耗有效降低。