基于CS-BPNN算法的飞机客舱PMV指标预测

摘要：

针对飞机客舱热舒适度评价指标预测平均投票数(PMV)的各影响因素之间存在复杂的非线性和迭代求解关系问题,采用经布谷鸟搜索(CS)算法优化的BPNN来预测客舱PMV指标.通过对PMV模型参数分析,选出PMV主要影响因素作为预测模型的输入,利用CS算法的全局优化能力来解决BPNN易陷入局部最优及其收敛速度慢的问题,并对其初始阈值和权值进行优化.仿真结果表明,与GA-BPNN和PSO-BPNN相比,CS-BPNN预测模型具有较小的预测误差和良好的预测精度.所提方法在客舱PMV指标的预测中有较好的应用前景.

关键词：预测平均投票数、布谷鸟搜索算法、神经网络、预测误差

所属期刊栏目：37

分类号：TP391.9(计算技术、计算机技术)

资助基金：中央高校基本科研项目3122016D015

在线出版日期：2020-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：52-55,99