10.3969/j.issn.1006-9348.2019.04.018
基于BFOA-SVR的铁路车站环境温度预测
铁路车站是人群密集的大型公共建筑,站内温度易受外界温度与站内湿度、光照、人群等多种动态复杂因素的影响.针对站内温度的预测具有时变性、复杂性、非线性等特点,因此提出了一种基于细菌觅食优化算法(Bacterial-Foraging Optimization Algorithm,BFOA)的支持向量回归(Support Vector Regression,SVR)的铁路车站环境温度预测.首先将环境数据作为特征向量输入,并通过BFOA算法对SVR模型的进行参数优化,最后基于优化模型开展温度预测,并与GA、PSO算法优化模型进行仿真对比.实验结果表明,相较于其它模型,该模型具有更好的预测精准度和鲁棒性,预测结果可以为车站环境调控与设备节能提供决策依据.
铁路车站、细菌觅食优化算法、支持向量回归模型、温度预测
36
TP391.9(计算技术、计算机技术)
中国铁路总公司科技研究开发计划课题J2017X011;中国铁道科学研究院基金青年课题2016YJ09
2019-05-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
83-88