基于改进天牛须算法-优化极限学习机的地源热泵能耗预测研究

发布时间：2021-04-07 04:56

　　针对极限学习机随机产生输入权值和隐层偏置导致模型不稳定的问题,本文提出了一种基于改进天牛须算法-优化极限学习机（BSAS-ELM）的地源热泵能耗预测模型,此模型收敛速度快、泛化能力强。将BSAS-ELM的预测结果与极限学习机（ELM）及支持向量机（SVM）进行比较表明,基于BSAS-ELM的地源热泵能耗预测模型能显著提高能耗预测精度。 

【文章来源】：制冷技术. 2019,39(03)

【文章页数】：6 页

【部分图文】：

地源热泵能耗时间序列变化600600600样本数量

【参考文献】：
期刊论文
[1]基于长短期记忆神经网络的暖通空调系统能耗预测[J]. 廖文强,王江宇,陈焕新,丁新磊,尚鹏涛,魏文天,周镇新.  制冷技术. 2019(01)
[2]极限学习机综述[J]. 陆思源,陆志海,王水花,张煜东.  测控技术. 2018(10)
[3]某地下水源热泵系统运行策略优化研究[J]. 徐成良,雷艳杰,张军,孙策,陈焕新,王江宇,黄耀.  制冷学报. 2018(05)
[4]梯度渐进回归树在建筑能耗短期预测中的应用[J]. 王尉同,潘毅群,黄治钟.  建筑节能. 2018(03)
[5]中国建筑能耗时间序列变化趋势及其影响因素[J]. 王霞,任宏,蔡伟光,武涌,陈明曼.  暖通空调. 2017(11)
[6]办公楼变频空气源热泵序列优化控制[J]. 刘兆辉,李震宇,谭洪卫,徐汶,冯文波,伊比益.  制冷学报. 2017(05)
[7]一种基于GA-BP自优化的建筑能耗预测方法研究[J]. 姚丽丽,余晓龙,朱峰,万玉建,谈美兰.  智能建筑. 2016(02)
[8]大数据在空调领域的应用[J]. 陈焕新,刘江岩,胡云鹏,李冠男.  制冷学报. 2015(04)
[9]基于支持向量机算法的空调负荷预测及实验研究[J]. 王智锐,唐汝宁.  制冷技术. 2013(04)
[10]绿色建筑能耗评价方法及能耗降低新技术探讨[J]. 杨利明.  制冷技术. 2012(02)



本文编号：3122845