基于FCM-LSSVM-GSA空调负荷预测
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.16866/j.com.app.chem201710007

基于FCM-LSSVM-GSA空调负荷预测

引用
准确、快速的空调负荷预测是实现空调系统经济运行的基础.为提高空调负荷预测模型的精度以及稳定性,本文提出了一种基于FCM-LSSVM-GSA空调负荷预测方法.根据数据的相似统计分布特征,利用模糊C均值聚类算法(FCM)将历史负荷数据划分成多个簇类,以降低样本数据中相关噪声对建模精度的影响;并根据每个簇类的训练和测试数据集建立相应的最小二乘支持向量机预测模型(LSSVM);通过引入万有引力搜索算法(GSA)优化LSSVM的模型参数,以避免人为选择的盲目性,从而提高模型的预测精度.基于DeST平台模拟数据,将FCM-LSSVM-GSA模型运用于南方某办公大楼的逐时空调负荷预测.通过对比均方根误差(RMSE)和平均绝对百分误差(MAPE),结果表明该模型的预测精度明显优于传统LSSVM模型和简单FCM-LSSVM模型.

空调负荷预测、最小二乘支持向量机、模糊C均值聚类算法、万有引力搜索算法

34

TU831(房屋建筑设备)

国家自然科学基金资助项目6080402,61374133;高校博士点专项科研基金20133314120004.Supported by the National Natural Science Foundation of China6080402,61374133;Specialized Reseach Fund for the Doctoral Program of Higher Education20133314120004

2017-12-22(万方平台首次上网日期,不代表论文的发表时间)

共9页

787-795

相关文献
评论
暂无封面信息
查看本期封面目录

计算机与应用化学

1001-4160

11-3763/TP

34

2017,34(10)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn