典型文献
基于改进人工神经网络的空调负荷预测
文献摘要：
建筑空调负荷预测对于节约建筑能耗、维持设备稳定负荷运转有着重要的意义,故研究建筑空调负荷预测具有较高的现实意义与社会价值.建立建筑模型,利用EnergyPlus负荷模拟软件得到建筑空调负荷数据,采用MATLAB建立BP人工神经网络模型.将遗传算法(GA)引入BP神经网络,建立改进的GA-BP神经网络模型.使用两种不同的神经网络对建筑的空调负荷数据进行训练和验证,得出两种网络模型预测数据的平均误差皆低于20％.其中,BP神经网络负荷预测的决定系数R2为0.714,GA-BP神经网络负荷预测的决定系数R2为0.948,故后者的负荷预测性能更好.由此可见,改进人工神经网络对建筑物空调负荷的预测具有更高的准确性以及一定的应用价值.
文献关键词：
负荷预测;EnergyPlus;人工神经网络;遗传算法
中图分类号：
作者姓名：
陈文成;陈楚夫;陈玉凌
作者机构：
湖南省工业设备安装有限公司,长沙 412000;中国电建集团中南勘测设计研究院有限公司,长沙 410014
文献出处：
引用格式：
[1]陈文成;陈楚夫;陈玉凌-.基于改进人工神经网络的空调负荷预测)[J].建筑节能（中英文）,2022(11):98-102
A类：
B类：
改进人工神经网络,空调负荷,负荷预测,建筑能耗,稳定负荷,负荷运转,建筑模型,EnergyPlus,负荷模拟,负荷数据,人工神经网络模型,GA,预测数据,平均误差,网络负荷,决定系数,预测性能
AB值：
0.260633
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
