基于KPCA-WLSSVM的公共建筑能耗预测

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,建立了一种基于KPCA-WLSSVM的建筑能耗预测模型.利用核主元分析(KPCA)对输入变量进行数据压缩,消除变量之间的相关性,简化模型结构;进一步采用加权最小二乘支持向量机(WLSSVM)方法建立建筑能耗预测模型,同时结合一种新型混沌粒子群-模拟退火混合优化(CPSO-SA)算法对模型参数进行优化,以提高模型的预测性能及泛化能力.通过将KPCA-WLSSVM模型方法应用于某公共建筑能耗的预测中,并与WLSSVM、LSSVM及RBFNN模型相比,实验结果表明KPCA-WLSSVM模型方法能有效提高建筑能耗预测精度.

关键词：建筑能耗、核主元分析、加权最小二乘支持向量机、模拟退火混合优化

所属期刊栏目：14

分类号：TU111.19+5(建筑基础科学)

资助基金：国家自然科学基金项目60804027,61374133;福州大学科研基金项目FZU-022335,600338,600567;高校博士点专项科研基金项目20133314120004

在线出版日期：2016-01-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：710-716