基于IKHCMAC神经网络的建筑冷/热负荷预测研究

• 作者: 丁绪东 吴盼红 段培永 邹明君
• 来源期刊: 山东建筑大学学报
• 学科: 工学
• 关键词: 建筑冷/热负荷 HCMAC神经网络 IKHCMAC神经网络 K-means聚类
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 46-50
• 页数: 5页
• 分类号: TU996
• 字数: 3900字
• 语种: 中文
• DOI: 10.12077/sdjz.2018.01.008

摘要

随着能源危机的爆发,建筑节能已成为我国可持续发展战略的重要组成部分,研究一种精准有效的建筑负荷预测方法是实现建筑供能系统的节能优化运行的重要基础.文章基于人工神经网络研究了一种建筑冷/热负荷智能预测新方法,采用改进的HCMAC神经网络作为预测模型,将粒子群优化与K-means聚类算法相结合,构建了一种新型的IKHCMAC神经网络预测模型,并借助TRNSYS模拟实验平台获得实验数据,与基于K-means聚类算法的HCMAC神经网络模型(KHCMAC)及经典IHCMAC神经网络模型相比较.结果表明:IHCMAC神经网络模型的迭代次数最高,收敛速度较慢,IKHCMAC神经网络模型较IHCMAC模型相比,迭代次数降低了75.86％,收敛速度更快;IKHCMAC模型的训练误差为0.29,在3种模型的训练误差中最小,IKHCMAC神经网络模型的学习精度更高;与IHCMAC模型相比,KHCMAC模型的泛化误差较之降低了26.67％,而IKHCMAC模型较之降低了93.33％,其泛化能力更强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴盼红	山东建筑大学信息与电气工程学院	3	7	1.0	2.0
3	段培永	山东师范大学信息科学与工程学院	3	6	1.0	2.0
4	丁绪东	山东建筑大学信息与电气工程学院	5	31	2.0	5.0
6	邹明君	山东建筑大学信息与电气工程学院	2	13	2.0	2.0