100 积分
50
评分
4.7 积分- 详情
- 2020-12-27
- 简介
pdf
- 327KB
- 页数 4P
- 阅读 94
- 下载 27
空调系统负荷是一个典型的具有动态性、不确定性等随机特性的非线性模型,传统方式难以实现准确、快速地预测空调系统动态负荷。人工神经网络具有高度的非线性运算能力和很强的容错能力,其中最为广泛的是前馈神经网络和采用误差反向传播算法来计算网络权值。本文讨论当误差不为零或者不为线性函数,即二阶项S(w)不能忽略时的Hesse矩阵的近似计算,进而训练网络。研究结果表明,用该种神经网络预测空调负荷和计算的结果会较好地吻合。
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
尼***
擅长:
土建 市政
- 4.6
服务
- 5
商品
- 247
人气
相关推荐
EBP神经网络在空调负荷预测中的应用 662KB
基于小波变换的神经网络空调负荷预测研究 629KB
基于Elman型神经网络的空调负荷预测模型 587KB
利用神经网络预测空调负荷 441KB
应用人工神经网络预测建筑物空调负荷 412KB
基于互联网的神经网络空调负荷预测解决方案 149KB
基于神经网络的空调负荷实时预测模型 278KB
Elman网络与BP网络在空调负荷预测中的应用对比研究 700KB
基于小波神经网络冰蓄冷空调负荷预测 233KB
基于温度检测和神经网络的空调负荷预测 342KB