100 积分
50
评分
4.7 积分- 详情
- 2021-04-27
- 简介
pdf
- 1.7MB
- 页数 2P
- 阅读 98
- 下载 38
针对传统BP神经网络存在的收敛速度慢和极易陷入局部极小值导致网络\"震荡\"的缺点,影响建筑能耗预测准确性的问题,本文提出一种基于随机Dropout和PSO-BP的建筑能耗预测方法.该方法利用粒子群算法(PSO)对BP神经网络的权值和阈值进行优化,再利用随机Dropout算法改进PSO-BP网络的隐层单元,获得较快的运算速度.案例仿真结果表明:与传统BP神经网络和PSO-BP神经网络预测比较,经过PSO-BP和随机Dropout改善后的网络预测速度更快、预测精度更高,其预测结果可为建筑节能管理运行提供参考.
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
linzs2***
擅长:
土建 给排水 暖通
- 4.6
服务
- 4
商品
- 143
人气
相关推荐
基于随机Dropout和PSO-BP的建筑能耗预测研究 1.7MB
基于随机Dropout和FOA-BP的建筑能耗预测研究 1.8MB
基于PSO-RBF的建筑能耗预测模型研究 363KB
基于PSO-LS-SVMR的公共建筑能耗短期预测模型 170KB
基于PSO-BP神经网络的基坑周边地面沉降预测方法研究 2.0MB
基于BP-Adaboost算法的建筑能耗预测研究 1.8MB
基于PSO-BP算法的动态空调负荷预测建模 190KB
PSO-BP神经网络在隧道围岩变形预测中的应用 381KB
基于PSO-BP神经网络的混凝土抗压强度预测 629KB
基于PSO-BP神经网络算法的设计施工耦合 1.3MB