BP神经网络对制冷蓄冷空调用电量预测分析

建筑节能是当今城市建设和社会发展的前沿和研究热点,对建筑的能耗现状进行综合分析与评估是进行节能改造或节能设计的前提和基础,而建立反映能耗变化的预测模型是从宏观尺度上分析认识建筑能耗变化与发展特性、为公共建筑节能工作提供决策依据的有效途径和重要手段。研究针对常规bp网络算法收敛速度慢、易陷入局部最小点的缺点,采用了具有较快收敛速度及稳定性的lm算法进行预测,构造了基于bp神经网络的建筑物用电量预测模型。以某市公共建筑原始用电能耗统计数据作为样本,并采用matlab对预测模型进行了仿真预测。结果显示:误差在允许范围内。

介绍了神经网络的发展及其基本原理，以及常用的b-p网络及训练算法，并介绍了神经网络的各种应用，着重其在制冷空调方面的应用；还论述了神经网络在控制方面应用的相关理论及在制冷空调系统控制上的尝试。

介绍了神经网络的发展及其基本原理，以及常用的ｂ－ｐ网络及训练算法，并介绍了神经网络的各种应用，着重其在制冷空调方面的应用，还讨论了神经网络在控制方面应用的相关理论及在制冷空调系统控制上的尝试。

人工神经网络是一个大量简单的处理单元广泛连接组成的复合网络,用来模拟大脑神经系统的结构和功能。近年来成为高科技研究领域中一门令人瞩目的新兴学科。目前,神经网络在智能控制、语音识别和合成、图形文字识别、数据压缩、知识工程、最优化问题求解、智能计算机等领域进行的实践和取得的初步成果,预示着人工智能的应用不久将会有重大突破。本文主要介绍神经网络的发展及其基本原理,以及几种常用的神经网络及它们的训练算法,并介绍神经网络的各种应用,着重其在制冷空调方面的应用。神经网络在控制领域的应用已越来越引起人们的注意,本文还将论述神经网络在控制方面应用的相关理论及在制冷空调系统控制上的尝试。

基于小波神经网络冰蓄冷空调负荷预测——为了节省冰蓄冷中央空调系统的运行费用，准确地预测空调冷负荷是必不可少的。采用dbl小波对冰蓄冷空调冷负荷序列进行分解，分别对低频和高频序列采用bp网络进行预测，将预测结果进行叠加得到最终预测值。结合实例进行了...

针对现阶段冰蓄冷中央空调系统负荷预测的bp(backpropagation)模型收敛速度慢和容易陷入局部极小点等缺点,结合遗传算法ga(geneticalgorithm)和bp神经网络,提出了一种ga-bp算法,并在冰蓄冷中央空调负荷预测系统中应用。

针对目前冰蓄冷空调运行管理中存在的每日蓄冰量过多,耗能严重的问题,提出了基于粗糙集和人工神经网络的冰蓄冷负荷的预测模型。该模型减少了数据样本的数量,提高了冷负荷预测精度,有利于冰蓄冷空调的节能运行。

针对目前冰蓄冷空调运行管理中存在的每日蓄冰量过多,耗能严重的问题,提出了基于粗糙集和人工神经网络的冰蓄冷负荷的预测模型.该模型减少了数据样本的数量,提高了冷负荷预测精度,有利于冰蓄冷空调的节能运行.

为了节省冰蓄冷中央空调系统的运行费用,准确地预测空调冷负荷是必不可少的。采用db1小波对冰蓄冷空调冷负荷序列进行分解,分别对低频和高频序列采用bp网络进行预测,将预测结果进行叠加得到最终预测值。结合实例进行了空调逐时冷负荷预测,通过小波-bp网络与bp网络预测结果的对比,可知小波-bp网络预测的效果更好。

空调负荷是近年来增长较快的一类负荷,其特性对电网的电压稳定性影响很大。夏季影响空调负荷的因素主要是温度和湿度的变化。为了更好的预测空调降温负荷,研究了温度和湿度对空调负荷的影响。利用bp人工神经网络对电网空调负荷进行了预测,经过分析把日平均湿度量化成4段,和日平均湿度实际数值的模型进行计算比较,结果显示考虑日最高温度和日平均湿度量化为4段能更好的模拟温度、湿度和空调负荷之间的非线性关系,能更好的对电网空调负荷进行预测。

bp神经网络算法具有很好的非线性推理能力及优越的自组织、自适应、容错性能。利用该方法对高层建筑地基沉降数据进行分析,可不考虑地基沉降影响因素与沉降之间的对应关系,而直接根据已知时间内实际沉降数据构建模型对未知时间的沉降进行预测推理。将该方法应用于西安市某高层建筑的地基沉降数据预测分析,并与多项式拟合方法的分析结果进行对比可知,bp神经网络的非线性预测推理能力更强,应用前景广阔。

介绍了风电功率预测的背景，对风电功率预测进行了理论分析，分析了bp神经网络的原理及基于bp神经网络的风电功率预测流程和预测结果误差的评价指标。以matlab软件的神经网络工具箱为仿真平台，搭建bp神经网络，进行了功率预测仿真，预测结果均方根误差分别为6．97％、200．59％。两组仿真对比结果表明，基于bp神经网络的风电功率预测在短期预测中是可行的．

在对某基坑工程采用bp神经网络模型预测基坑开挖引起地表变形的分析中,考虑到现有模型可能会遇到预测结果跳不出训练样本以及训练时间较长的问题,提出采用matlab中的mapminmax函数进行归一化处理,并基于牛顿法、共轭梯度法和l-m法三种数值优化方法对bp网络训练算法进行了改进.研究结果表明:与常用的基于梯度下降原则相比,改进后的bp神经网络在训练时间和预测误差方面均有明显的优势,采用l-m法的神经网络在训练样本时的迭代次数最少为74次,采用共轭梯度法的预测结果与实测结果的误差最大为2.4％,而采用牛顿法神经网络的预测值则比较均衡,预测结果相对最佳.

根据盾构施工引起地表沉降的具体问题,结合广州地铁三号线某区间地质资料,建立了地表沉降预测的bp神经网络模型,并对网络进行了训练和测试,测试结果表明,利用神经网络进行盾构隧道施工的地表沉降预测是可行的,可用于工程实践。

建筑业是我国重要的物质生产部门之一，在我国的经济发展过程中，—直扮演着重要的角色。工程作为建筑业的核心，工程的管理具有很高的现实意义。所谓工程造价预测，是指处于准备投标或准备建设的工程项目，在进行投标或实施前，依据现有的建设工程项目资料、结合建设工程施工环境及施工企业自身条件，采用相应的方法对建设工程项目的成本进行预测，并将预测结果用以控制项目实施过程中的成本支出，能够提高建筑企业的项目成本管理的科学性，促进企业资金的良性运转。

短时交通流预测是现代智能交通系统的核心内容,针对城市道路被占所造成的城市交通拥堵排队问题,以路段视频统计为例,利用bp神经网络方法就实际通行能力、具体车辆数、事故持续时间与排队最长长度之间的关系进行预测分析,从实验模拟结果来看,该方法能有效地解决交通流实时和可靠性预测。

bp神经网络-灰色系统联合模型预测软基沉降量——目前软基沉降预测多采用指数曲线和双曲线延伸法，其结果不够理想，神经网络在此方面的运用也存在一定的局限，虽然gm(1，1)模型在软基沉降预测领域已得到运用，但在已有的案例中所使用的等时距模型都没有明确说明...

针对如何精确预测公路旅游客流量这一问题,论述了公路旅游客流量研究背景,对包括神经网络模型在内的几类模型进行了分析,说明神经网络预测模型运用在公路旅游客流量预测中的优势.以实证分析为背景,论述了改进bp神经网络在公路旅游客流量预测中的应用,并深入研究了实际运用中输入/输出向量的选择、数据预处理方法、隐层神经元数目选择、训练函数选择等实际问题,对预测结果和实际值进行了比较和分析论述,得到一个适合的bp网络.最后对几种预测方法的预测结果进行比较,说明了bp神经网络在公路旅游客流量预测的合理性与可行性.

本文以动态交通控制理论为基础,应用神经网络理论和matlab仿真软件,建立交通流量预测模型。给出了基于改进bp算法的交通流动态时序的预测算法仿真实验,并利用试验得到的结果对该算法的适用性和局限性进行了验证。

本文结合住宅房地产的价格理论和相关网站上的数据,科学地选取影响商品住宅价格的影响指标为人均gdp、人均可支配收入、人口数量、房地产开发投资额和商品住宅建筑面积,并以此建立hedonic商品住宅价格影响因素模型。依照bp神经网络预测的实现步骤,探索bp神经网络在预测海口市商品住宅价格的应用,得到2018年6月-2019年5月商品住宅价格预测值,对海口市商品住宅价格的研究具有一定的指导作用。

利用matlab建立bp神经网络,将影响建筑能耗的18个因素作为网络的输入,进行学习训练,最后通过测试样本点数据预测建筑能耗,与dest-h模拟计算得到的结果比较,发现相对误差在3.5%以内,并通过实例验证了该网络模型的准确性。该方法使建筑人员在设计阶段就能快速且准确地获得设计建筑的能耗。

进度控制作为项目管理的主要内容，如何对施工进度进行有效的预测将有重要的现实意义，应用bp神经网络技术对工程进度进行预测，得到的预测值比线性方法更准确，精度更高。