日光预测Transformer扩散模型
稀疏传感器高分辨率
融合Transformer与扩散模型的预测架构，用稀疏吸顶传感器同时给出高分辨率工作面照度与眩光指数，显著优于线性与ANN模型。
Yujian, Huang · Tiancheng, Zeng · Meilin, Jia · Yang, Jiarui · 徐伟国 · Lu, Shuai
Building and Environment 2025
参数信息
- 照度平均绝对误差
- 20.77 lx
- 眩光指数误差
- 0.20
- 照度检测错误率
- 0.85 %
- 眩光检测错误率
- 5.55 %
- 照度平均绝对误差
- 34.78 lx
- 眩光指数误差
- 0.59
- 照度检测错误率
- 2.47 %
- 眩光检测错误率
- 23.13 %
技术优势
能预测眩光
模型直接输出DGI，而传统方法通常只预测照度。
动态遮阳下依然可用
模型在无遮阳和有动态卷帘的房间中均表现良好，适应遮阳状态变化。
远优于线性与ANN模型
尤其在眩光预测任务上，本模型显著超过线性模型和ANN。
应用场景
- 建筑照明控制：根据预测照度与眩光实时调节照明，节省能耗并保障视觉舒适。
- 智能建筑：为智能建筑提供可集成的高分辨率日光感知能力，支撑自动化管理。
- 传感器融合：融合稀疏多传感器数据重建全局光环境，减少传感器部署数量。
- 智能环境控制：结合遮阳与照明控制，动态应对眩光，提升室内环境品质。