杨玉兰，李 洋，邰惠鑫，刘抚英，倪彤元

(浙江工业大学 设计与建筑学院，浙江 杭州 310023)

随着我国城镇化与人口老龄化的快速发展，老年人群体成为许多学者的研究对象。老年人心理和生理都有其特殊性，随着年龄的增长，老年人生理机能逐渐退化，新陈代谢减缓，对热环境变化的适应能力和调节能力逐渐减弱[1-3]。经典热舒适预测PMV模型被广泛应用于建筑热环境预测，并被拓展运用于不同空间进行热舒适预测[4-5]。研究表明采用传统热舒预测模型PMV对老年人进行热舒适预测存在精度差、考虑因素少等不足[6-7]。老年人热舒适仿真涉及信息维度众多，是一个多维度非线性仿真课题。近年来，由于机器学习具有高维度信息处理能力强、预测精度高等优点，机器学习被探索性地运用于热舒适预测。Kim等[8]研究6 种预测个人热感觉的机器学习模型，发现6 种模型的平均预测精度均高于PMV模型预测精度。杜晨秋等[9]引入CART决策树方法对6 个城市居住建筑中的人员热舒适进行预测，达到较高的预测精度。Breiman[10]于2001年提出随机森林算法，采用决策树作为基分类器，随机生成多棵决策树进行仿真建模。随机森林模型能有效处理非线性多维数据、具有预测精度高、抗噪能力强和适应范围广等优点[11]。采用传统的随机森林进行预测建模的不足之处主要表现在以下3 个方面：一是单一节点分裂算法存在节点优化分裂措施贫乏的不足；二是未区别对待生长效果不同的决策树，在传统随机森林的分类结果投票中，生长效果差的决策树和生长效果好的决策树拥有同样的投票能力；……