一种基于PSO-RBF网络算法的热舒适性指标预测新方法

• 作者: 周敬松 朱其新 朱永红 陆烨
• 来源期刊: 苏州科技大学学报（自然科学版）
• 学科: 工学
• 关键词: PMV指标 RBF神经网络 粒子群算法 HVAC系统
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 信息科学
• 页码范围: 73-78
• 页数: 6页
• 分类号: TP273
• 字数: 4661字
• 语种: 中文
• DOI: 10.12084/j.issn.2096-3289.2020.01.013

摘要

研究了一种新的网络算法,该算法采用粒子群优化(PSO)算法对径向基(RBF)神经网络的权值进行优化,并将这种算法运用于热舒适性指标的预测中,通过建立PMV指标预测模型,实现对PMV指标的智能预测.通过Matlab仿真计算,结果表明,基于粒子群优化的径向基网络(PSO-RBF)的预测方法误差精度更小,较之未优化的RBF网络,误差精度提高了79.5％.采用粒子群优化的径向基网络(PSO-RBF)对PMV指标进行预测是完全可行的,将PSO-RBF算法应用于基于PMV指标的空调系统控制中,可为PMV指标的实时控制打下基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱永红	景德镇陶瓷大学机电工程学院	60	118	6.0	7.0
2	朱其新	苏州科技大学机械工程学院	31	89	5.0	9.0
3	陆烨	苏州科技大学环境科学与工程学院	1	0	0.0	0.0
4	周敬松	苏州科技大学环境科学与工程学院	1	0	0.0	0.0