人体对住宅非空调环境热适应的聚类分析

为了研究人体热适应群体状况,以北京城区的54个居住者为研究对象,在分析研究单个个体对住宅非空调环境热适应特性的基础上,从人体对室内环境的温湿度适应水平和温湿度对适应水平影响的交互作用2方面分析比较个体对非空调环境热适应的差异性。并采用聚类分析的方法,确定出人体对室内温度和湿度环境适应水平由强到弱的6类热适应状况和单纯对温度适应水平由强到弱的2类热适应状况,以此反映出人体对住宅非空调环境热适应的群体状况。进一步从统计意义的角度,研究分析了人体生理、心理特征与人体热适应状况的相互关系。     

圆参数的两步估计

在许多工程技术领域经常会遇到用一个圆形去拟合一组观测数据的问题。本文用异方差线性模型提出了圆心和半径的两步估计。利用模型设计阵的特殊结构,建立了最小二乘估计、最佳线性无偏估计和两步估计的协方差阵的很有用的分解式。据此,导出了两步估计的一些重要统计性质。特别,应用Kantorovich不等式获得了两步估计优于最小二乘估计的条件。同时,本文给出了两步估计相当于最佳线性无偏估计相对效率的下界,这个下界表明,既使样本容量不太大,两步估计也有较高的相对效率。最后、本文还证明了观测点在圆周上均匀分布时最小二乘估计的优良性。     

住宅夏季非空调环境的人体热适应——个体特性

为了从更细微的层面把握和认识北京地区住宅夏季非空调环境下人体的热适应特性,从单个个体角度开展相关的分析研究。通过分析建立连续变化的室内温湿度环境与人体对热湿环境主观评价的相互联系,从人体对室内温度、湿度的热适应水平以及在热适应水平上室内温、湿度两者的交互作用两个方面,对住宅夏季非空调环境下单个个体热适应特性进行较完整的分析和刻画。并以北京城区某个居住者为例,阐述了上述的分析方法在研究个体对住宅夏季非空调室内环境热适应特性的应用。     

基于改进EGO算法的黑箱函数全局最优化

基于Kriging模型的EGO算法是一种适用于黑箱函数求极值的全局最优化算法,但该算法忽略了对Kriging模型精度的控制.针对该算法的不足之处,提出了兼顾Kriging模型精度与模型寻优的迭代函数,并将改进后的EGO算法应用于五个检验函数及一个存货模型,从Kriging模型精度及优化结果两方面对改进前后的算法进行比较.结果表明,改进后的EGO算法提高了最终Kriging模型的精度,并在对目标函数进行少量估值的情况下获得了更为全局化的最优解.     

住宅夏季非空调环境的人体热适应——个体特性

为了从更细微的层面把握和认识北京地区住宅夏季非空调环境下人体的热适应特性,从单个个体角度开展相关的分析研究.通过分析建立连续变化的室内温湿度环境与人体对热湿环境主观评价的相互联系,从人体对室内温度、湿度的热适应水平以及在热适应水平上室内温、湿度两者的交互作用两个方面,对住宅夏季非空调环境下单个个体热适应特性进行较完整的分析和刻画.并以北京城区某个居住者为例,阐述了上述的分析方法在研究个体对住宅夏季非空调室内环境热适应特性的应用.