基于多规则实时学习组合型BP神经网络的城市建筑能耗预测模型

• 作者: 夏栋良 龚延风
• 来源期刊: 建筑科学
• 学科: 工学
• 关键词: 建筑用电量 BP神经网络 多规则 实时学习 组合预测
• 年，卷（期）: 2008,（6）
• 所属期刊栏目: 计算分析
• 页码范围: 90-94
• 页数: 5页
• 分类号: TU111.19+5
• 字数: 5505字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-8528.2008.06.020

摘要

本文在建立城市层面的建筑用电量预测模型时,针对常规BP神经网络模型存在的诸多缺陷,进行了多种优化:组合模型预测取均值以克服随机性;加入统计规则以剔除个别奇异预测值的影响;实时学习以提高长期预测的精度.此怂外,针对影响因素的未来趋势难以准确预测的问题,增加了月份周期变量和月份序列变量这2个变量作为网络的输入,以提高模型的精度.结果显示,该方法预测效果明显优于常规BP神经网络和时间序列等方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龚延风	南京工业大学城建学院	95	605	15.0	22.0
2	夏栋良	南京工业大学城建学院	1	15	1.0	1.0