首页 > 工程造价 >造价学术 >造价其他资料 > 基于PCA与RBF的建筑能耗预测建模
基于PCA与RBF的建筑能耗预测建模

基于PCA与RBF的建筑能耗预测建模

原价 100 积分

促销价 50 评分 4.5 积分

*温馨提示:该数据为用户自主上传分享,如有侵权请 举报联系客服处理。
报错
  • 详情
  • 2021-08-06
  • 简介
  • pdf
  • 693KB
  • 页数 5P
  • 阅读 97
  • 下载 35
由于建筑能耗因子间存在非线性和高度冗余特性,传统预测方法很难消除数据之间冗余和捕捉非线性特征,导致预测精度较低.为了提高建筑能耗预测精度,提出一种将主成分分析(principal component analysis,PCA)和径向基函数(radial basic function,RBF)神经网络相结合的建筑能耗预测方法(PCA-RBF).利用PCA消除建筑能耗高维变量数据的相关性,并按累积贡献率提取主成分,将主成分作为RBF神经网络的输入进行训练学习.通过PCA避免了模型过多的输入导致的训练耗时长及预测精度较低的不足.通过将PCA-RBF模型方法应用于某办公建筑能耗的预测中,并与RBF神经网络及BP神经网络模型相比,实验结果表明PCARBF模型方法能有效提高建筑能耗预测精度.

对不起,您暂无在线预览权限,如需浏览请

立即登录