基于EEG信号的机器学习方法开发室内空气质量控制的自动分类算

发表刊物：《-AidedCiviland》

作者：JiminKim；Kim；Hong

思维导图 #

摘要 #

本研究从而借助基于EEG讯号的机器学习方式开发室外空气品质控制的手动分类算法。进行了两个试验:试验一是在室外环境品质(IEQ)变化时，按照脑电波指标选择脑电通道。试验二，提取被试进行自适应行为时的脑电波指标特点，运用机器学习（包括拼合集成系统）预测IEQ条件控制。之后，运用分布随机森林、梯度提高机、广义线性模型、深度血管网路等基恐怕器对提取的特性进行分类，并运用元学习器对新的预测数据进行再训练和预测。分两个预测维度，维度1是空调和空气通风系统，由基恐怕器训练的拼合集成系统预测疗效最好。第2维度是开启和关闭，梯度提高机（GBM）的预测疗效最好。基于这种结果，可以借助EEG讯号构建一个手动IEQ控制模型，以实现减轻头痛，提高留意力。 #

引言 #

随着现代人在室外的时间越来越多，人们对室外环境品质(IEQ)条件的兴趣也越来越大。因而，去除室外空气污染诱因，同时保持良好的室外气候条件这注会筑营运策略越来越重要。之外，随着对每位居住者健康的兴趣降低，也在逐步细分和订制建筑营运策略。本研究引进脑机插口概念，通过脑联通号，剖析并预测建筑居住者控制IEQ条件的自适应行为特点。本研究将建筑居住者的适应行为局限于控制空调和通风系统。本研究按如下展开:(a)两个试验设置;(b)原始脑联通号处理;(c)当IEQ条件发生变化时，基于脑电波指数的脑电通道选择(试验1);(d)基于被试自适应行为改变时脑电波指数的特点提取(自适应行为的IEQ条件控制:开启/关掉空调和通风系统)(试验2);(e)使用监督机器学习算法预测IEQ条件控制(试验2)。 #

材料和技巧

#

1、两个试验设置 #

（1）被试

17名被试，为防止性格影响，均为健康女性（平均年纪：28.25，年纪范围：23~35，标准差：3.4）。被试均无精神疾患、下皮层外伤、注意力障碍或乙醇上瘾史，试验前保持尽或许好的生理状态，受过良好教育，了解试验程序和问卷内容。 #

（2）人工气候控制室 #

本试验在一个才能人为控制IEQ条件的人工气候控制室中进行。这个人工气候控制室的面积为2.8m×3.9m×2.4m。 #

对无关变量的控制：为了避免因为视线分散造成留意力降低，受试者坐在舒适的沙发上，戴上脑电面罩，凝视前方1.8米的十字准星，手置于按键上。保持室外灯具的统一，制止任何来自外部或发生在室外的异味。受试者戴着耳塞来控制背景噪声，被试均穿着西装和高领毛衣，将服饰值设置为0.71(ANSI/,2023)。 #

（3）试验程序 #

基于脑电图的脑机插口BCI概念是在丑闻发生时，通过提取脑电波的方式和特性来对每位风波进行分类，本研究中的丑闻是人们自动控制它们想要的IEQ条件的适应性行为。

#

2、原始脑电图讯号处理 #

（1）EPOC+ #

EPOC+有14个主动负极和两个参考负极。

（2）脑电图讯号预处理

基于进行讯号预处理，包括两个方法:(a)带通混频；(b)伪迹去除。

#

(a)带通混频

只有特定速率范围(2-39Hz)的原始讯号数据通过使用有限脉冲响应(FIR)的带通混频器。为此，为了减少原始脑电图讯号的线性并去除脸部和尿液的伪迹，通过带通混频器，去不仅2Hz以下的低脑电波。之外，还去不仅肌电伪迹或δ波(39Hz或更高)。

(b)增加伪迹—ICA

#

带通混频后的脑联通号伪迹以不同范围冗余讯号的组合方式存在，选用独立成份剖析(ICA)进行分离。独立成份剖析是一种适于时间序列剖析的盲源分离方式，才能对伪迹和真实脑活动进行分类。

#

右图为经独立成份剖析后的伪迹独立源成份的波形图及3D脑地貌图。 #

3、基于脑电波指数的脑电图通道选择

#

剖析14个脑电通道中那个通道受IEQ条件变化的影响最大。因为脑电波是多种速率同时共存的组合波，所以通过功率谱密度(PSD)，依据速率进行剖析。本研究，通过的空间混频器观察到五个速率范围：θ波（4–8Hz），α波（8–13Hz），觉得运动节律（SMR）（13–15Hz），中β波(15-20Hz)和高β波(20–30Hz)。因为脑波的硬度因人而异，因此选用了相对值指数，本研究采用如下指标进行脑联通号通道选择：

#

选用单诱因残差剖析(ANOVA)剖析IEQ条件激活的脑电波通道对上述6个相对脑电波指标的影响。将试验1中的以下四种IEQ条件设为组,上述的六个相对脑电指数设为因变量，并在总计5.71×103（17个被试×4组IEQ条件×14个脑电图通道×6个脑电波指数，也即每位组有1.42×103个数据集）个数据集上进行单诱因残差剖析。从剖析结果中提取p值明显大于0.05的脑电通道指标。

4、基于脑波指数的自适应行为特性提取

为了对试验2中被试适应行为（即开/关冰箱系统和通风系统）进行分类，有必要按照IEQ条件的变化为每位EEG通道提取脑电波指数的重要特点。本试验的IEQ条件造成被试按下鼠标标记后1~2s的推迟时间没有变化，因此我们在每天风波前后5s的相似时间间隔内广泛提取基线。通过上述过程提取单诱因残差剖析中选定的脑联通号通道的相对脑电波指标功率谱密度PSD。该特性被拿来作为分类模型的键入，通过一个监督机器学习算法，于是通过它可以精确地分类每位被试的适应性行为。 #

5、使用监督机器学习算法预测IEQ条件控制

（1）提出拼合集成 #

为设计一个强悍的预测模型，本研究提出了拼合集成，该集成结合了由给定的机器学习模型(分布随机森林DRF，梯度加强机GBM，广义线性模型GLM、和深度血管网路DNN)构建的几种基本恐怕器的预测，增加了单恐怕器的可泛化性和鲁棒性。拼合集成算法是一种通过训练二级“元学习器”来荣获最优基恐怕器组合的算法。

#

（2）适于提出的拼合集成的基本恐怕

#

机器学习模型构建几种基本恐怕器的预测：分布随机森林、梯度加强机、广义线性模型、深度血管网路。

#

结果和讨论 #

1、当IEQ条件改变时，基于脑电波指数的脑电图通道选择 #

试验1设计并实现了IEQ条件变化时特定脑电波指数发生特性变化的脑电图通道。按照IEQ条件的变化，辅以单诱因残差剖析选择特定的脑波指数及其脑电图通道，其变化具备统计学意义 #

（1）IEQ条件变化 #

除人工气候控制室可控制的气温、湿度和CO2含量，还测定了TVOCs含量。在适应过程中，体温保持在31?C（10分钟），相对温度从90%提高到92%，甲烷含量从1934提高到,有机物（TVOCs）含量从1344提高到，这可以看作是被试在封闭空间中的喘气结果。在IEQ状态控制其间，IEQ状态各因子数值均下跌。试验结束时，将试验条件改为相对舒适的IEQ条件，平均热觉得指数（PMV）0.31、CO2含量、TVOCs含量。

#

（2）心理反应

通过问卷调查结果，确认了被试对IEQ条件的心理反应。本次试验共进行了三次问卷调查(0-1min,10-11min,20min后)。当不舒服的IEQ条件得到缓解时，这种指数显示出显著的变化。

（a）IAQ满意指数表示室外空气质量，在适应期，该指标从2.17到2.09，但通风后数值降低到5.04。这一结果阐明，随着CO2和TVOCs含量的增加，被试的满意度提升。 #

（b）TCV和TS指数表示热舒适度，在适应期，这两个指标分别从2.09到1.91，1.91到1.95，而在气温增加后，这两个数值分别下降到5.08和5.35。这是由于随着盐度和温度的恢复，被试的热觉得保持在舒适状态。 #

（c）TSV指数表示热觉得投票，在适应期略有温情的状态，数值在2.0到1.95，但降温后的数值为-0.13，为中等状态。当TSV与PMV比较时，TSV的值大于PMV的值。这一结果阐明，被试倾向于觉得酷热和寒冷的IEQ条件是保守的，并据此进行评分。 #

（d）TP指数表示热喜好。踏入酷暑和寒冷的IEQ条件之前，被试倾向于更喜欢酷热的IEQ条件，而在清凉后来它们更喜欢中性的IEQ条件。

（3）生理反应 #

在1~2、9~10、11~12、19~20min，用PSD提取14个通道的脑电波指数。当IEQ条件改变时，顶叶和颞叶的RT、RA、RB、RBT、RBA和RSMT中检测睡意和留意力的指标有明显变化。被激活的区域主要是小脑和顶叶——它们负责躯体觉得功能正常脑电图4种波形图，如热觉得榻榻米内空气品质满意度。综上所述，受试者在适应期显露于不舒适的IEQ条件下，会积累头痛、精神疲劳和留意力不集中的状态，在降温期(即IEQ条件缓解)恢复到正常状态。

2、使用监督机器学习算法预测IEQ状态控制 #

试验二共搜集4个适应行为风波。17名受试者进行了36个冰箱系统自适应开启行为，32个冰箱系统自适应关掉行为正常脑电图4种波形图，48个通风系统自适应开启行为，31个通风系统自适应关掉行为。在丑闻提取后，分别在丑闻前后5s间隔进行脑联通号处理，运用PSD提取试验1中各通道的脑电波指标特性。为了对适应性行为进行分类，共有11种脑电波指标，选择相对于从试验1荣获的IEQ条件表现出特征变化的RBT（F3），RBA（F3），RBA（FC5），RSMT（F3）作为特点。

对于四种适应性行为，每位脑电波范围的PSD方式在?5s和+5s出现不同。本研究将四种适应行为界定为行为的两个维度，并运用拼合集成对适应行为进行预测:（a）维度1:空调和通风系统;（b）维度2:开启和关掉。维度1检测热觉得和IEQ满意度之间生理差别的硬度。维度2检测舒适状态到当前IEQ条件和不适状态到当前IEQ条件之间的生理差别。

使用基本恐怕量对提取的特性进行分类，于是由元学习器对新的预测数据进行再次训练和预测。为了防止过拟合，训练数据使用数据集2/3的样本，检测数据使用1/3的样本。 #

（1）维度1:冰箱系统和空气通风系统

依据一些评价参数，发觉所提出的拼合集成才能保证最高的分类精度，作为两种适应性行为的最有效分类方式。经过训练后，有必要剖析这些特性具备最强悍的预测能力。重要度高的特性对拼合集成的影响较大，而重要度低的特性可以从拼合集成中省略。 #

如下表所示，可以确定RT(FC5)和RBA(F3)是影响比较明显的两个最高特性，即建筑居住者的头痛、困倦和精神疲劳状态都与热觉得和IEQ满意度的生理差距硬度有关，相反，运行适当的IEQ条件控制系统(即冰箱系统和通风系统)可以使人员削减头痛和精神疲劳，因而增加整体任务绩效。

（2）维度2:开启和关掉

拼合集成在预测冰箱/通风系统开启和关掉两种行为上的功耗预测结果显示，梯度提高机（GBM）是最有效分类方式，其分类精度最高。 #

特性的相对重要性越高，在GBM中俄占优势。如下表所示，可以确定RSMT(F3)和RA(P8)是影响比较明显的两个最高特性。即建筑居住者的留意状态都与当前IEQ条件下舒适状态和不适状态的生理差距硬度有关。因而，IEQ条件控制系统(即冰箱系统和通风系统)的开启和关掉会影响人员的留意力，因而增加整体任务绩效。

结论 #

本研究引进脑机插口的概念，剖析并预测了基于脑联通号剖析的建筑物使用者控制IEQ条件的自适应行为特点。本研究得出脑电波指数明显地取决于IEQ条件，同时，提出了基于脑电图的特点分类和自适应行为预测的叠加集成，以便实现了脑电图的分类精度和均匀性。

以下是研究结果的详细实际意义：

#

未来研究： #

引用： #

KimJ,KimH,HongT.[J].-AIDEDCIVILAND,2023,35(5):448-464. #