傅军栋，邹　欢，康水华

（华东交通大学电气与电子工程学院，江西南昌330013）



PSO-SVM算法在智能建筑环境监控系统中的应用

傅军栋，邹欢，康水华

（华东交通大学电气与电子工程学院，江西南昌330013）

摘要：针对智能建筑环境监控系统中，多个传感器独立工作可能会造成系统误判的问题，提出了一种基于粒子群优化支持向量机（PSO-SVM）的环境质量综合评价模型，即利用粒子群算法快速优化支持向量机的惩罚参数和核函数参数，然后采用ZigBee无线传感网络采集的环境数据对PSO-SVM分类模型进行训练和测试。实验结果表明PSO-SVM分类器对环境质量判断的平均精度达到94.44%，且分类结果稳定。将这种方法应用于智能建筑环境监控系统中，可以增加系统监测数据的准确性，提高系统工作的可靠性。

关键词：环境监控；多传感器；粒子群优化；支持向量机

智能建筑环境监控系统需要实时监测建筑内的各种环境变量，并控制相应的电气设备对环境进行调节，使用户的生活更加安全、舒适和智能。与传统的建筑环境监控系统相比，智能建筑环境监控系统在安装、维护以及节能方面都具有明显的优势[1-2]。

由于传感器相对独立地工作，采用单个传感器的数据来评价环境质量具有一定的不确定性，因此如何快速准确地对环境信息进行融合是智能建筑环境监控系统的一项重要任务。王超采用了模糊综合评判的算法对多传感器信息进行加权融合处理，需设计各项影响因素对环境质量等级的隶属函数，这种方法能够减少单一传感器的局限性[3]；……