基于PCA-BP神经网络的大型公共建筑能耗预测
原价 ￥ 20.00
促销价 ￥ 1.00 评分 4.8
报错
- 详情
- 2021-03-23
- 简介
pdf
- 1.7MB
- 页数 5P
- 阅读 59
针对大型公共建筑高能耗问题,提出了主成分分析(PCA)与BP神经网络相结合的大型公共建筑能耗预测模型。基于时间序列对历史逐日耗电量进行相关性分析,提取预测点前三天的逐日耗电量,并与前一天日照、温度、相对湿度、风速的平均值进行主成分的浓缩,然后将其作为BP神经网络的输入,从而降低输入变量的维数,简化网络结构。结果表明,较传统的BP网络,大型公共建筑能耗预测模型具有较高的精度和更短的学习时间,但当预测样品数增加时预测误差逐渐增大。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
基于PCA-BP神经网络的大型公共建筑能耗预测 1.7MB
基于BP神经网络的建筑能耗预测 226KB
基于GALM神经网络的建筑能耗短期预测 275KB
基于SVM的大型公共建筑能耗预测模型与异常诊断 1.1MB
基于SVM的大型公共建筑能耗预测模型与异常诊断 1.2MB
基于物联网的大型公共建筑能耗监测与节能服务 2.0MB
基于PCA-BP神经网络的城市轨道交通线网方案评价研究 377KB
基于气象热舒适度的建筑能耗灰色神经网络预测 562KB
基于人工鱼群神经网络算法的建筑能耗预测 1.6MB
大型公共建筑能耗分析及节能潜力 147KB