基于鸟群算法优化BP神经网络的热舒适度预测

• 作者: 郭彤颖 陈露
• 来源期刊: 计算机系统应用
• 关键词: 热舒适度预测 BP神经网络 BSA算法 PSO算法 MATLAB
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 162-166
• 页数: 5页
• 字数: 3894字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.6303

摘要

热舒适度是室内环境舒适性的评价指标, 由于热舒适度的计算是一个复杂的非线性迭代过程, 不便应用于空调实时控制系统中, 为解决这一问题, 可利用BP神经网络算法对热舒适度进行预测. 但为了改善传统BP神经网络收敛速度慢的问题, 将采用鸟群算法(BSA)来优化BP神经网络初始的权值与阈值. 最后, 将BSA算法与相近的粒子群算法(PSO)进行对比分析, 并利用MATLAB软件进行仿真, 使BSA-BP预测模型的仿真结果与基本的BP神经网络预测模型、PSO-BP预测模型的仿真结果进行对比分析. 结果表明, BSA-BP预测模型具有较快的收敛速度和较高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭彤颖	沈阳建筑大学信息与控制工程学院	18	224	6.0	14.0
2	陈露	沈阳建筑大学信息与控制工程学院	2	12	1.0	2.0