- 详情
- 2020-12-27
- 简介
pdf
- 613KB
- 页数 6P
- 阅读 70
- 下载 27
空调系统负荷非线性变化,单独利用人工神经网络方法进行预测,受到样本数量少等的限制,精度一般都比较低。空调系统负荷时间序列包含了参与空调系统动态变化的全部变量的信息,可以利用相空间重构技术提取和恢复出系统原来的规律。重构后的相空间具有与实际动力系统相同的几何性质,这样就可以大大增加样本数。相空间重构受嵌入维数m和延迟时间τ的影响,确定这两个重构参数的最佳数值是非常重要的。建立了基于相空间重构技术的神经网络空调负荷预测模型,在嵌入维数m和延迟时间τ分别取不同的值时,利用这个模型对相同时间段的空调负荷进行预测,选择预测误差最小时对应的参数为最佳相空间重构参数,对应的预测值为最佳预测结果。结果表明,这个方法有很好的效果,具有简化计算复杂性等特点。
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
基于最优相空间重构参数的空调系统负荷预测 613KB
基于数据的空调系统最优启停时间预测 125KB
基于BP改进模型的空调系统负荷预测 503KB
基于改进BP网络的空调系统负荷预测 130KB
小波支持向量机与相空间重构结合的短期负荷预测研究 371KB
基于双层贝叶斯分类的空间负荷预测 210KB
变风量空调系统负荷预测的建模与应用 297KB
人工神经网络在空调系统负荷预测中的应用 547KB
基于负荷预测的地铁通风空调系统节能优化方案 359KB
基于遗传神经网络的冰蓄冷空调系统负荷预测研究 773KB