10.3969/j.issn.1002-8528.2009.06.021
泛化能力改善的神经网络方法在空调负荷预测中的应用
本文针对神经网络方法进行负荷预测时存在的泛化能力较差的缺点,提出了对历史数据进行相关性分析和输入数据主成分分析以提高神经网络泛化能力.实例分析结果表明:历史数据的相关性分析为空调负荷预测神经网络模型输入参数的合理选择提供了依据,主成分分析方法在降低神经网络模型输入维数、提高该方法泛化能力方面有较好的作用.
神经网络、泛化能力、相关性分析、主成分分析、负荷预测
25
TU831.2;TP183(房屋建筑设备)
2009-07-10(万方平台首次上网日期,不代表论文的发表时间)
共5页
90-94