[发明专利]一种人体舒适度的预测方法

说明书

技术领域

本发明涉及环境气象服务技术领域，特别是涉及一种人体舒适度的预测方法。

背景技术

随着国民经济的发展，气象部门相继在大中城市开展了包括空气污染、大气清洁度、紫外线强度、人体舒适度、医疗健康气象、花粉浓度等环境气象服务。这些贴近城市居民生活的环境气象服务，促进了生活质量的提高。

人体舒适度是以人类机体与近地大气之间的热交换原理为基础，从气象角度评价人类在不同气候条件下舒适感的一项生物气象指标。人体舒适度在城市环境气象服务中具有重要的基础性地位，它不仅之间影响城市中各类人群的日常生活(如晨练、上班、着装、旅游等)、疾病和健康(如中暑、脑中卒、心肌梗塞、感冒等)，也直接影响生产企业和商业销售的效率和收益(如商品的季节性、生产数量和销售数量决定、交通流量和事故率、野外作业和施工的适宜度等)。

人类机体对外界气象环境的主观感觉有别于大气探测仪器获取的各种气象要素结果。人体舒适度指数是为了从气象角度来评价在不同气候条件下人的舒适感，根据人类机体与大气环境之间的热交换而制定的生物气象指标。

人体的热平衡机能、体温调节、内分泌系统、消化器官等人体的生理功能受到多种气象要素的综合影响，例如大气温度、湿度、气压、光照、风等。实验表明：气温适中时，湿度对人体的影响并不显著，由于湿度主要影响人体的热代谢和水盐代谢，当气温较高或较低时，其波动对人体的热平衡和温热感就变的非常重要。例如，气温在15.5℃时，即使相对湿度波动达50％，对人体的影响也仅为气温变化1℃的作用；当温度在21-27℃时，若相对湿度改变为50％时，人体的散热量就有明显差异；相对湿度在30％时，人体的散热量比相对湿度在80％时为多；而当相对湿度超过80％时，由于高温高湿影响人体汗液的蒸发，机体的热平衡受到破坏，因而人体会感到闷热不适；随着温度的升高，这种情况将更趋明显。又如，当冬季的天气阴冷潮湿时，由于空气中相对湿度较高，身体的热辐射被空气中的水汽所吸收，加上衣服在潮湿的空气中吸收水份，导热性增大，加速了机体的散热，使人感到寒冷不适。当气温低于皮肤温度时，风能使机体散热加快，风速每增加1米/秒，会使人感到气温下降了2-3℃，风越大散热越快，人就越感到寒冷不适。

一般而言，气温、气压、相对湿度、风速四个气象要素对人体感觉影响最大。因而，现有技术通常根据这四项要素，来建立人体舒适度的非线性方程，例如，某城市气象部门根据温度和湿度之间的关系，得到人体舒适度模型的计算公式为：ssd＝(1.818t+18.18)(0.88+0.002f)+(t-32)/(45-t)-3.2v+18.2。其中ssd为人体舒适度指数，t为平均气温，f为相对湿度，v为风速。

由于上述方法由某城市气象部门，例如北京市气象局，依赖经验得到人体舒适度模型的计算公式，故所述模型只适用于所在的城市地区。但是，中国国土广阔，区域气象差异大，在北京市适用的人体舒适度模型，在应用到上海市时肯定存在偏差；因而，上述方法得出的人体舒适度模型不具备地区普遍性。

总之，需要本领域技术人员迫切解决的一个技术问题就是：如何解决现有预测方法得出的人体舒适度模型不具备地区普遍性的问题。

发明内容

本发明所要解决的技术问题是提供一种人体舒适度的预测方法，用以提高预测的地区普遍性。

为了解决上述问题，本发明公开了一种人体舒适度的预测方法，包括：

建立步骤：针对某一区域，建立BP神经网络预测模型，将多个气象因子作为该预测模型的输入变量，将人体舒适度作为该预测模型的输出变量；

训练步骤：对该区域的预测模型进行训练；

预测步骤：利用训练后的预测模型，对待预测区域内待预测日期的人体舒适度进行预测。

优选的，所述建立步骤包括：

第一建立操作：针对某一区域，建立BP神经网络预测模型，将多个气象因子作为该预测模型的输入变量，将人体舒适度作为该预测模型的输出变量，该预测模型的参数包括网络权值和网络阈值；

第一获取操作：分别获取该区域内所述多个气象因子中的每个气象因子值，作为训练样本的输入；

第二获取操作：获取所述每个输入样本对应的人体舒适度指标值，作为训练样本的期望输出；

所述训练步骤包括：

针对所述训练样本，采用BP算法训练该预测模型，得到模型参数，从而确定该区域的预测模型。

优选的，所述多个气象因子包括：最高气温、最低气温、最大相对湿度、最小相对湿度、平均风速和太阳辐射量。

优选的，所述预测步骤包括：