上海工程技术大学学报
上海工程技術大學學報
상해공정기술대학학보
JOURNAL OF SHANGHAI UNIVERSITY OF ENGINEERING SCIENCE
2014年
4期
347-350
,共4页
建筑能耗%在线预测%神经网络%LM算法%训练速度
建築能耗%在線預測%神經網絡%LM算法%訓練速度
건축능모%재선예측%신경망락%LM산법%훈련속도
由于神经网络不需要建立复杂的数学模型,因此基于BP神经网络的建筑能耗预测引起广泛关注.但标准BP神经网络收敛速度慢,不适于建筑能耗在线预测,因此采用了Levenberg-Marquardts算法对标准BP神经网络加以改进,并将其应用于某建筑未来24小时的整点电量负荷预测.实验结果表明,改进的神经网络明显提高了训练速度,为建筑短期负荷的在线预测提供了一种方法.
由于神經網絡不需要建立複雜的數學模型,因此基于BP神經網絡的建築能耗預測引起廣汎關註.但標準BP神經網絡收斂速度慢,不適于建築能耗在線預測,因此採用瞭Levenberg-Marquardts算法對標準BP神經網絡加以改進,併將其應用于某建築未來24小時的整點電量負荷預測.實驗結果錶明,改進的神經網絡明顯提高瞭訓練速度,為建築短期負荷的在線預測提供瞭一種方法.
유우신경망락불수요건립복잡적수학모형,인차기우BP신경망락적건축능모예측인기엄범관주.단표준BP신경망락수렴속도만,불괄우건축능모재선예측,인차채용료Levenberg-Marquardts산법대표준BP신경망락가이개진,병장기응용우모건축미래24소시적정점전량부하예측.실험결과표명,개진적신경망락명현제고료훈련속도,위건축단기부하적재선예측제공료일충방법.
