100 积分
50
评分
4.6 积分- 详情
- 2020-12-27
- 简介
pdf
- 2.2MB
- 页数 4P
- 阅读 99
- 下载 21
实行负荷预测是空气调节系统优化运行的基础,如何选择工程应用切实可行的方法,仍然是一个值得探讨和研究的问题。支持向量机(SVM)算法在解决小样本、非线性及高维模式识别中表现出许多特有的优势。本文将支持向量机算法引入空调负荷预测中,对深圳市夏季六、七月份的逐时空调负荷,分别用SVM模型和armax模型进行了训练和预测,结果表明SVM模型适用于空调负荷预测,具有很好的泛化能力。
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
基于支持向量回归机的中央空调负荷预测模型 583KB
改进粒子群算法和最小二乘支持向量机的电力负荷预测 1.7MB
基于SCE-UA支持向量机的短期电力负荷预测模型研究 1.8MB
基于小波变换的神经网络空调负荷预测研究 629KB
基于支持向量机算法的空调负荷预测及实验研究 2.2MB
基于多元非线性回归法的商场空调负荷预测 544KB
基于支持向量机方法的深基坑变形预测 199KB
基于季节性时间序列模型的空调负荷预测 128KB