基于支持向量回归机的中央空调负荷预测模型
原价 ¥ 20.00
促销价 ¥ 1.00 评分 4.6
报错
- 详情
- 2021-03-23
- 简介
- 583KB
- 页数 4P
- 阅读 74
由于中央空调系统的时滞性、时变性、非线性和大惰性等特性,使得当前采用的中央空调负荷预测算法精度并不高,本文在江阴某楼宇空调系统节能改造项目的基础上,从中央空调系统的组成和特性出发,提出了基于支持向量回归机(Support Vector Regression SVR)理论的中央空调负荷预测模型。对项目楼宇历史负荷数据进行分析,分别采用SVR负荷预测模型和BP神经网络负荷预测模型进行了训练和预测。预测结果表明:基于SVR负荷预测模型较BP神经网络负荷预测模型精度更高,具有较强的实用性和可行性。
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
基于支持向量回归机的中央空调负荷预测模型 583KB
基于混沌支持向量回归机的短期空调负荷预测 365KB
基于支持向量机的建筑物空调负荷预测模型 1.1MB
基于支持向量机的建筑物空调负荷预测模型 138KB
基于支持向量机算法的空调负荷预测及实验研究 2.2MB
基于Elman型神经网络的空调负荷预测模型 587KB
空调负荷预测模型及仿真研究 340KB
基于季节性时间序列模型的空调负荷预测 128KB
混沌理论和支持向量机结合的负荷预测模型 501KB
一种改进的多元线性回归空调负荷预测模型 111KB