基于PCA-BP神经网络的大型公共建筑能耗预测

被引：4

作者：

李明海

刘敏

赵明强

机构：

[1] 西安建筑科技大学信息与控制工程学院

来源：

现代建筑电气 | 2016年 / 7卷 / 04期

关键词：

大型公共建筑; 时间序列; 主成分分析; BP神经网络; 预测模型;

D O I：

10.16618/j.cnki.1674-8417.2016.04.002

中图分类号：

TU111.195 [];

学科分类号：

081304 ;

摘要：

针对大型公共建筑高能耗问题,提出了主成分分析(PCA)与BP神经网络相结合的大型公共建筑能耗预测模型。基于时间序列对历史逐日耗电量进行相关性分析,提取预测点前三天的逐日耗电量,并与前一天日照、温度、相对湿度、风速的平均值进行主成分的浓缩,然后将其作为BP神经网络的输入,从而降低输入变量的维数,简化网络结构。结果表明,较传统的BP网络,大型公共建筑能耗预测模型具有较高的精度和更短的学习时间,但当预测样品数增加时预测误差逐渐增大。

引用

页码：5 / 9

页数：5

共 11 条

[1] 基于主成分分析与人工神经网络的风电功率预测 [J].

周松林 ;

茆美琴 ;

苏建徽 .

电网技术, 2011, 35 (09) :128-132

[2] 重庆市公共建筑能源管理现状分析 [J].

李百战 ;

张宇 ;

丁勇 ;

谭颖 .

暖通空调, 2010, (09) :112-117+73

[3] 基于多规则实时学习组合型BP神经网络的城市建筑能耗预测模型 [J].

夏栋良 ;

龚延风 .

建筑科学, 2008, (06) :90-94

[4] 居住建筑能耗预测分析方法的研究 [J].

李爱旗 ;

白雪莲 .

建筑科学, 2007, (08) :32-35

[5] On-line building energy prediction using adaptive artificial neural networks [J].

Yang, J ;

Rivard, H ;

Zmeureanu, R .

ENERGY AND BUILDINGS, 2005, 37 (12) :1250-1259

[6]

Applying support vector machines to predict building energy consumption in tropical region.[J].Bing Dong;Cheng Cao;Siew Eang Lee.Energy & Buildings.2004, 5

[7]

SPSS统计分析高级教程.[M].张文彤; 董伟; 主编.高等教育出版社.2013,

[8]

神经网络原理.[M].(美)SimonHaykin著;叶世伟;史忠植译;.机械工业出版社.2004,

[9]

SPSS统计分析方法及应用.[M].薛薇编著;.电子工业出版社.2004,

[10]

神经网络设计.[M].(美)MartinT.Hagan等著;.机械工业出版社.2002,

← 1 2 →