1.一种教室灯照明功率预测方法，其特征在于：包括S1根据教室人流量、室外自然光亮度、室内能见度作为照明功率的影响因素，建立教室灯具的功率输出模型：其中X为要预测的样本，T为森林的规模即迭代次数，fm()取为sigmoid函数；θi为隐含层径向基量；

隐含层径向基量θi的获得方式如下：将教室人流量、室外自然光亮度、室内能见度3个作为输入量x1，x2，x3，隐含层包含6个节点[θ1，θ2，θ3，θ4，θ5，θ6]，照明功率作为输出矢量[y]，输出节点数为1；令x1＝u(k)‑u(k‑1)，x2＝v(k)，x3＝y(k)为网络输入量，则隐含层径向基量i＝1,2,...,6；其中：Ci为输入量到隐含层径向基量的中心参数，bi为一个预设的宽度值；

S2设置损失函数模型，保证输出功率的准确性；

S3对步骤S2中的损失函数进行泰勒五阶多项式展开，并通过混合粒子群算法来优化正则项，以获得新的损失函数模型；

S4依据优化过的损失函数模型，对步骤S1中的功率输出模型进行教室照明需求功率估算。

2.根据权利要求1所述的教室灯照明功率预测方法，其特征在于：步骤S2中的损失函数为： 其中：L为似然函数，yi为各个样本，ft()取为Pareto最优解，Λ(t‑1)为迭代过程中用到的更新步长；Ω()为正则项，C为常数。

3.根据权利要求1所述的教室灯照明功率预测方法，其特征在于：步骤S3中正则项的优化过程如下：T T

令粒子i的位置信息为xi＝(xi1,xi2,...,xiD) ；速度信息vi＝(vi1,vi2,...,viD) ；

对每个粒子的当前最优极值，按照一定的概率Pm实行变异，β为random(0,1)，公式如下：位置更新公式如下：

其中：a1为粒子的个体学习因子，加速度常数，并且范围在0和4之间；

分别为粒 和 进行交叉操作后的子代粒子；

速度更新公式如下：

a2为粒子的社会学习因子，加速度常数，并且范围在0和4之间；

通过上述步骤后，原函数转换为如下：

其中：绝对值内部为损失项进行泰勒展开后得到的五阶多项式，Ω(ft(X,V))是为混合粒子群优化后的正则项，X为更新后位置，V为更新后速度。