- 详情
- 2021-04-26
- 简介
- 1.4MB
- 页数 3P
- 阅读 53
- 下载 38
建筑系统是一个滞后系统,对下一时刻室内温度的预测可以指导楼宇阀门的开关,从而在保证用户热舒适性的同时节约能源。但是,建筑室内温度受室外气象因素、历史温度等多种非线性因素的影响,机理建模困难。针对以上问题,先确定输入、输出样本,建立支持向量机模型;然后采用粒子群优化(PSO)算法对SVM的核参数和惩罚因子进行动态寻优,建立PSO-SVM预测模型;最后,在MATLAB实验平台上进行仿真实验。实验结果表明,经过粒子群优化的支持向量机预测模型的精度提高至0.6%,可以准确指导楼宇阀门的开关。
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
基于粒子群优化支持向量机的建筑室内温度预测模型 1.4MB
基于粒子群优化支持向量机的电缆温度计算 4.5MB
基于粒子群算法优化支持向量机的铁路客运量预测模型 162KB
基于支持向量机的室内轰燃预测模型研究 241KB
基于粒子群算法优化支持向量机的公路客运量预测 189KB
基于支持向量机的建筑物沉降预测模型研究 514KB
基于粒子群优化支持向量机的电梯故障诊断 620KB
基于粒子群优化支持向量机的电梯故障诊断 620KB
钢结构建筑室内温度的探讨 929KB
基于支持向量机的建筑物采动损害预测模型 138KB