买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于特征选择下的办公建筑室内自然采光眩光影响要素分析方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116881682B 。

龙图腾网通过国家知识产权局官网在2026-01-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310725017.2，技术领域涉及：G06F18/2113；该发明授权一种基于特征选择下的办公建筑室内自然采光眩光影响要素分析方法是由孙澄;骆肇阳;齐轩宁;董琪;张陆琛设计研发完成，并于2023-06-19向国家知识产权局提交的专利申请。

本一种基于特征选择下的办公建筑室内自然采光眩光影响要素分析方法在说明书摘要公布了：本发明提出一种基于特征选择下的办公建筑室内自然采光眩光影响要素分析方法。所述方法包括以下步骤：步骤1，采集眩光潜在要素与主观评价数据，构建眩光感知评价数据集；步骤2，结合ANOVA方差分析方法，展开单变量线性特征分析；步骤3，结合不同机器学习下的树模型算法，完成不同眩光影响要素下的非线性组合特征分析；步骤4，结合递归特征消除算法，完成不同眩光影响要素下的多元组合特征分析。所述方法突破了眩光研究分析技术瓶颈，弥补了眩光要素交互组合影响研究上的空白，提升了室内眩光不舒适预测精度和科学化水平。

本发明授权一种基于特征选择下的办公建筑室内自然采光眩光影响要素分析方法在权利要求书中公布了：1.一种基于特征选择下的办公建筑室内自然采光眩光影响要素分析方法，其特征在于：所述方法包括以下步骤： 步骤1，在选择的典型办公建筑空间中，采集建筑室内眩光潜在影响要素变量数据和眩光评价数据，构建眩光感知评价数据集； 步骤2，针对单变量对眩光环境线性影响，利用方差分析对眩光感知评价数据集进行特征分析，获取不同特征线性影响关联结果； 步骤3，针对变量对眩光环境非线性影响以及变量之间组合关联性影响，利用机器学习下的树模型对眩光感知评价数据集进行特征分析，获取不同特征非线性影响关联结果； 步骤4，针对多变量整体对眩光环境联合影响，利用机器学习下的递归特征消除对眩光感知评价数据集进行特征分析，获取多元特征对于眩光影响的最优组合； 所述步骤3具体为： 步骤3.1，为满足树模型算法学习条件，对数据进行独热编码和标准化编码，转译类型数据并保证数据幅度一致，从而去除特征幅度对于关联性的影响； 步骤3.2，为训练树模型与测试模型精度，将编码数据划分为训练集与测试集； 步骤3.3，为避免算法类型对于特征选择结果的影响，采用四种不同树模型算法对同一数据集展开超参优化后的模型训练，再用验证集展开预测性能验证，基于模型预测性能指标选择最优模型； 步骤3.4，为获取信息对于眩光非线性影响，结合最优树模型中的特征系数对信息在输出预测上的贡献值做排列； 步骤3.5，为进一步分析信息之间交互关联与具体特征影响，采用模型可解释分析方法SHAP对数据中的不同信息做特征解释； 所述步骤4具体为： 步骤4.1，为满足递归特征消除核评估器学习，对数据进行独热编码标准化编码，转译类型数据并保证数据幅度一致，从而去除特征幅度对于关联性的影响； 步骤4.2，为获取最优要素组合对于眩光感知影响，采用递归特征消除方法逐次删除不同要素特征，并同时迭代学习去除该特征后的数据模型； 步骤4.3，为验证不同特征组合数据模型，采用五折交叉验证法展开数据训练与验证，求取五次训练平均结果； 步骤4.4，为确定最优特征，利用手肘法观察特征数量与性能变化，获取性能拐点时的最佳特征数量，并同时利用SHAP决策法进一步观察特征累计效应变化图，从而明确自然采光眩光预测模型中的最优信息参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。