基于PCA与RBF的建筑能耗预测建模

• 作者: 戴坤成 王贵评 赵超
• 来源期刊: 福州大学学报（自然科学版）
• 学科: 工学
• 关键词: 建筑能耗 主成分分析 RBF神经网络 正交试验 组合预测
• 年，卷（期）: 2015,（4）
• 页码范围: 512-516
• 页数: 5页
• 分类号: TU111
• 字数: 3527字
• 语种: 中文
• DOI: 10.7631/issn.1000-2243.2015.04.0512

摘要

由于建筑能耗因子间存在非线性和高度冗余特性，传统预测方法很难消除数据之间冗余和捕捉非线性特征，导致预测精度较低。为了提高建筑能耗预测精度，提出一种将主成分分析（ principal component analysis， PCA）和径向基函数（radial basic function， RBF）神经网络相结合的建筑能耗预测方法（PCA－RBF）。利用PCA消除建筑能耗高维变量数据的相关性，并按累积贡献率提取主成分，将主成分作为RBF神经网络的输入进行训练学习。通过PCA避免了模型过多的输入导致的训练耗时长及预测精度较低的不足。通过将PCA－RBF模型方法应用于某办公建筑能耗的预测中，并与RBF神经网络及BP神经网络模型相比，实验结果表明PCA－RBF模型方法能有效提高建筑能耗预测精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵超	福州大学石油化工学院	26	191	9.0	13.0
2	戴坤成	福州大学石油化工学院	10	101	7.0	10.0
3	王贵评	福州大学石油化工学院	7	72	4.0	7.0