100 积分
50
评分
4.6 积分- 详情
- 2020-12-27
- 简介
pdf
- 1.1MB
- 页数 6P
- 阅读 74
- 下载 33
建立了基于支持向量机(SVM)理论的建筑物空调负荷预测模型。对广州地区某办公楼夏季不同月份的逐时空调负荷,分别用SVM模型和BP神经网络模型进行了训练和预测。仿真结果表明,SVM模型具有更高的预测精度和更好的泛化能力,是建筑物空调负荷预测的一种有效方法。
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
基于支持向量机的建筑物沉降预测模型研究 514KB
基于Elman型神经网络的空调负荷预测模型 587KB
基于季节性时间序列模型的空调负荷预测 128KB
基于支持向量机的建筑物采动损害预测模型 138KB
基于SCE-UA支持向量机的短期电力负荷预测模型研究 1.8MB
综合最优灰色支持向量机模型在季节型电力负荷预测中的应用 136KB
基于RBF神经网络的建筑逐时空调负荷预测模型 446KB