10.3969/j.issn.1005-0329.2023.06.009
基于粗糙集和PSO-Elman的商业建筑空调冷负荷预测
为了精确预测商业建筑空调的冷负荷,建立基于粗糙集和PSO-Elman神经网络的预测模型.首先利用粗糙集对空调冷负荷的影响因子进行属性约简,然后应用粒子群算法优化Elman神经网络的权值和阈值,建立PSO-Elman商业建筑空调冷负荷的预测模型.采集桂林某商业建筑的空调数据和气象参数验证PSO-Elman预测模型的预测性能,并将该模型的预测结果与Elman预测模型的预测结果进行对比分析.研究结果表明,PSO-Elman预测模型的预测精度高于Elman预测模型,PSO-Elman预测模型预测结果的平均绝对相对误差、均方根相对误差、均方根误差和平均绝对误差分别为4.87%,6.15%,423.71和335.86,与Elman预测模型的预测结果相比,这些误差参数分别降低了2.46%,2.46%,169.65和156.57.由此可知,PSO-Elman预测模型能够精确有效地预测商业建筑空调的冷负荷.
商业建筑空调、冷负荷、粗糙集、PSO-Elman神经网络、预测模型
51
TH12;TU83
国家自然科学基金;广西自然科学基金项目
2023-08-03(万方平台首次上网日期,不代表论文的发表时间)
共7页
53-59