基于XGBoost分类算法的热舒适预测模型

• 作者: 沈雅倩 黄志甲 周涛
• 来源期刊: 安徽工业大学学报（自然科学版）
• 关键词: 热舒适 XGBoost分类算法 公共建筑 SHAP值
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 建筑与环境
• 页码范围: 74-78
• 页数: 4页
• 分类号: TU1111,TU243.9
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7872.2022.01.012

摘要

为考虑个性化因素对热舒适的影响，建立一种基于XGBoost分类算法的热舒适预测模型。利用独热编码的方法对原始数据进行特征参数转换，将转换后的数据作为XGBoost分类算法的输入，经迭代训练后获得最佳的公共建筑中人体热舒适预测模型；利用SHAP值对模型特征参数进行解释，得出影响个性化热舒适的关键因素。结果显示：XGBoost分类算法的热舒适预测模型在受试者工作特征(ROC)曲线下的面积(AUC)和准确率分别为0.95，89%，均优于随机森林、逻辑回归、支持向量机、神经网络等算法模型，表现出较高的预测精度；影响个性化热舒适的关键因素为空气温度、相对湿度、空气风速和体重。