10.19991/j.hvac1971.2023.03.25
基于PCA-PSO-BP神经网络的住宅供热逐时负荷预测
为了准确预测供热负荷,提出了一种基于主成分分析法和粒子群优化算法改进的BP神经网络(PCA-PSO-BP)预测模型.首先利用主成分分析法融合影响热负荷的特征指标,消除指标之间的冗余性和相关性;同时采用粒子群算法优化BP神经网络的初始权值和阈值,克服了 BP神经网络容易陷入局部最优的缺陷,提高了 BP神经网络的预测精度.基于北京某居住建筑供热系统的实际运行数据,对模型的性能进行了验证.仿真结果表明,改进的模型预测精度提高了 4.07%.
供热负荷、预测模型、BP神经网络、主成分分析(PCA)、粒子群算法(PSO)、特征变量
53
TM715;TU831.3;TP389.1
中国建筑科学研究院青年科研基金项目20200109331030019
2023-04-13(万方平台首次上网日期,不代表论文的发表时间)
共6页
138-142,160