BP神经网络技术在城市建筑热环境研究中的应用

摘要：

本文针对现代城市中越来越严重的热岛现象与能源问题,首先分析了北京市近60年的温度资料,可知60年来城区内的年平均温度升高了2.28℃,温度增幅为0.38℃/10 a.而后综合考虑城市建筑热环境的各种影响因素,利用BP神经网络技术建立了城市尺度下针对建筑热环境(温度)的预测模型,并对以往的数学模型和计算方法进行了改进.在改进后的预测模型中,通过枚举法选择隐含层最佳神经元个数,用贝叶斯正规化算法进行了网络训练,结果表明:与BP神经网络基本的L-M优化算法相比,该算法有较高的泛化能力和准确性,更适合于这一问题的研究.

关键词：城市建筑热环境、温度增幅、BP神经网络、隐含层最佳神经元个数、贝叶斯正规化算法

所属期刊栏目：26

分类号：TU12;P463.3(建筑基础科学)

资助基金：住房和城乡建设部城乡规划管理中心"城市尺度下建筑热环境的规划研究"项目

在线出版日期：2010-04-19（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：103-107