室内热舒适度测试仪有利于改善室内环境，使人们精神愉快

　　室内热舒适度测试仪可快速准确地对室内环境舒适度作出客观评价，有利于改善和控制室内环境也是很大程度的发挥节能减排、降低能耗的前提。室内环境是人们生活中接触频繁的生活环境之一，良好的室内环境可以潜移默化地使人们精神愉快放松，注意力集中，从而提高办事效率。相反，冷热不均的室内环境会使人焦躁不安，难以静心，甚至影响到身心健康。因此，室内环境的舒适程度越来越受到人们的重视。

　　室内热舒适度测试仪用于计算室内舒适度的预计热指标PMV方程，但该方程涉及参数较多且有些参数不能直接测量获得。因此，通过公式转换来降低方程的复杂度，获得了评价室内热环境舒适度的四个热环境变量（空气温度、相对湿度、空气流速及周围表面平均辐射温度）和两个人为因素（人体新陈代谢率和服装热阻）。

　　其次，在室内热舒适度的评价方法上，区别于传统的公式迭代计算方法来确定PMV指标值，RBF网络的输出精度高于BP网络，因此，引入了遗传算法优化BP网络的初始权重和阈值，优化后的GA-BP算法达到了较好的预测精度。引入了模糊系统的方法，并结合神经网络方法，提出了将自适应神经元模糊推理系统方法（简称ANFIS）应用于室内热舒适度评价建模上，该方法能融合神经网络的学习能力和模糊系统的推理能力，使得模型预测能力更加准确。

　　RBF网络和ANFIS网络都取得了相似的预测精度，BP网络精度较差，而在训练时间上，RBF网络花费的时间短，ANFIS网络由于包含众多模糊规则而导致网络训练速度较慢。优化后的GA-BP算法能快速收敛，提高了BP网络模型的精度，但花费的时间较大。