聚类和神经网络对建筑节能气候数据清洗的算法

基于青岛某办公建筑2015年全年逐时总用电能耗及空调用电能耗数据,利用kmeans聚类算法对其进行聚类,将全年能耗水平分为四大类。利用求平均值法得到每一类典型设备使用率曲线。将典型曲线的数据、日前两周数据以及气象数据一同作为bp神经网络的输入,预测未来24小时的建筑总用电和空调用电,该方法比单用日前两周数据及气象数据进行负荷预测能获得更低的相对误差、均方根误差、平均绝对百分误差。bp负荷预测相对误差在5%以内,而kmeans-bp负荷预测算法控制在±2.5%以内;bp预测得到的均方根误差和平均绝对百分误差范围分别在4.6～9.0之间、2.3%～4.4%之间,kmeans-bp将该误差缩小到3.1、2.0%以内,对于负荷预测精度要求上是阶跃性的突破。

为了有效解决网络系统可能出现的故障,结合模糊神经网络提出了一种新的故障检测算法fdd-fnn(failuredetectionalgorithmbasedonfuzzyneuralnetwork).该算法根据特征信息熵建立了故障检测评价方法和最小偏差的优化模型,设计了模糊神经网络中输入层、模糊化层、模糊规则层和解模糊层,并且给出了具体的算法流程.通过建立网络仿真平台,深入分析了影响fdd-fnn算法的关键因素,同时对比研究了fdd-fnn算法与其他算法的性能情况,结果表明fdd-fnn算法具有较好的适应性.

针对传统方法单独采用bp神经网络算法易陷入局部极值的问题,提出了遗传算法优化bp神经网络,并将其应用于mimo-ofdm系统信号检测中。该方法将遗传算法与神经网络相结合,用遗传算法优化神经网络初始值,使bp网络快速收敛到最优解,避免了由初始值的随机选取而带来的检测误码。仿真结果表明所提出的方法在误码率方面有比较好的性能。

建立基于分布估计神经网络的公路工程造价估算模型,为实现快速、高效的估算公路工程造价提供了技术条件,是公路工程造价估算在实际应用中的一次有意义的尝试。

负荷预测是电力规划的基础,传统的神经网络预测方法存在对初始网络权值设置敏感、收敛的速度慢、容易陷入局部极小值等缺点。文中引入遗传算法先对神经网络的初始值进行优化,再通过神经网络进行学习和训练,得出的结果再经bagging方法集成,目的是提高其准确率。通过matlab仿真进行实验,结果表明,基于bagging算法集成遗传神经网络,能够克服传统bp神经网络的缺点,可较快收敛又不易陷入到局部极值中,具有较强的泛化能力,同时也大大提高了网络的预测精度。

在弯管前安装扰流子，可以减小弯管处二次流强度，降低能量损失，并运用cfd软件对不同参数下的扰流子节能效果数值计算。以l9（33）正交试验以及4组补充试验作为bp神经网络的训练样本，建立在5种雷诺数下扰流子节能效率与扰流子叶片转角、叶片长度、安装距离3个结构参数的非线性映射关系；扰流子节能效率最大值作为目标函数，再结合遗传算法进行结构参数优化。最终得到在不同雷诺数下扰流子叶片转角、叶片长度、安装距离的最佳组合形式，并利用有限元方法对结果验证。结果表明，这种优化方案具有可行性；合适的结构参数的扰流子具有良好的节能效果。

在弯管前安装扰流子,可以减小弯管处二次流强度,降低能量损失,并运用cfd软件对不同参数下的扰流子节能效果数值计算.以l9(33)正交试验以及4组补充试验作为bp神经网络的训练样本,建立在5种雷诺数下扰流子节能效率与扰流子叶片转角、叶片长度、安装距离3个结构参数的非线性映射关系;扰流子节能效率最大值作为目标函数,再结合遗传算法进行结构参数优化.最终得到在不同雷诺数下扰流子叶片转角、叶片长度、安装距离的最佳组合形式,并利用有限元方法对结果验证.结果表明,这种优化方案具有可行性;合适的结构参数的扰流子具有良好的节能效果.

提出一种采用bp神经网络算法来预测深基坑沉降的方法,结合具体工程实例,构建了预测深基坑周边地表沉降具体bp神经网络模型,预测结果表明,该模型有较高的预测精度,可作为预测沉降的一种新方法。

能源与环境是当今世界的两大热点问题,越来越受到人们的关注。在我国,城市的能耗大部分来自于建筑,建筑节能是我国可持续发展战略的一个重要组成部分。对建筑进行能耗预测能够对能源进行科学的管理并有效地节约能源,实现低碳。通过将神经网络算法与建筑能耗预测系统相结合,开展建筑能耗预测模型的研究,能够有效地帮助管理人员合理安排建筑系统的运行方式,评估能耗水平是否合理,从而实现建筑节能。

为克服传统bp神经网络方法在建筑能耗预测的不足,提出了一种基于时间序列自相关分析的人工鱼群神经网络预测模型。对建筑标准能耗进行自相关分析,确定输入变量的维数,结合人工鱼群算法寻优速度快、易跳出极值等优点,对bp神经网络的初值权值和阈值进行优化,建立能耗预测模型,并用模型对西安某高校建筑一个月的能耗值进行预测。结果表明,较传统的bp神经网络模型,人工鱼群神经网络预测模型具有更快的收敛速度,预测精度在±1%左右,预测误差随着迭代次数的增加而降低。

能源与环境是当今世界的两大热点问题,越来越受到人们的关注。在我国,城市的能耗大部分来自于建筑,建筑节能是我国可持续发展战略的一个重要组成部分。对建筑进行能耗预测能够对能源进行科学的管理并有效地节约能源,实现低碳。通过将神经网络算法与建筑能耗预测系统相结合,开展建筑能耗预测模型的研究,能够有效地帮助管理人员合理安排建筑系统的运行方式,评估能耗水平是否合理,从而实现建筑节能。

采用遗传算法对建筑设计进行优化,是建筑设计领域一个全新的研究方向,然而,在日照分析下基于遗传算法求解最优值时,需要对每个进化个体进行适应度函数的计算,将消耗大量的运行时间.为了降低算法的复杂性,提出一种神经网络结合遗传算法的建筑优化设计方法.研究结果表明：与传统遗传算法对比,该方法可以有效降低算法的迭代次数和运行时间,提高建筑优化设计的效率.

采用遗传算法对建筑设计进行优化,是建筑设计领域一个全新的研究方向,然而,在日照分析下基于遗传算法求解最优值时,需要对每个进化个体进行适应度函数的计算,将消耗大量的运行时间.为了降低算法的复杂性,提出一种神经网络结合遗传算法的建筑优化设计方法.研究结果表明:与传统遗传算法对比,该方法可以有效降低算法的迭代次数和运行时间,提高建筑优化设计的效率.

根据某建筑中央空调系统的工作参数,创建bp神经网络模型,得到输入输出的映射关系.利用遗传算法寻找中央空调系统的最佳工作参数,对遗传算法的优化结果进行分析.利用图形分析法验证遗传算法得到的结果是全局最优解.当冷却水进口温度为室外温度、冷水出口温度为设置范围内的最大值时,空调功耗最小.

针对bp神经网络训练过程中的训练时间较长、完全不能训练或容易陷入局部极小值等问题,提出基于遗传克隆选择算法(cloga)优化bp神经网络的流程,克服bp算法的一些缺陷。并通过湖北省人口预测问题进行效果检验,得到满意的结果。

神经网络模型是一种非常有效的数据处理工具,但是存在结构确定困难的缺点.针对神经网络算法的这种缺点,提出了变结构神经网络模型.此模型增加了神经网络隐节点的决策变量,并对此决策变量进行松弛.在采用bp梯度算法确定神经网络结构的同时,确定网络参数.由于电缆的状态监测是时序数据,将此模型应用于电缆的状态监测过程中,能体现出较好的适应性.

利用粒子群算法对入侵检测神经网络模型进行优化。仿真结果表明,与bp神经网络和ga神经网络相比较,具有较强的逼近和容错能力、较快的收敛速度和较好的检测效果。

优化电解碲电源对电解行业节能增效、提高电解产品质量和改善电网环境具有重要意义.电源前级采用三相电压型pwm整流器；在建立pwm整流器数学模型的基础上；通过改进双闭环pi控制策略；即外环基于并行搜索全局寻优的遗传算法优化bp神经网络权值和阈值的智能控制方法；分析网侧电流波形和谐波含量；可得到所需的额定电解电压和电流；以matlab/simulink软件为平台进行仿真计算.结果表明:ga-bp(geneticalgorithm-backpropagation)算法具有输出电压平稳、响应速度快、超调量小、抗干扰性强等优点.

设计与施工的交互耦合分析对建设工程的发展具有极其重要的研究意义。这种交互耦合关系能从客观上反映出两个系统的耦合程度和耦合协调发展态势。为了较科学地研究两者的耦合态势情况,文章建立了设计与施工两个系统交互耦合的数学模型,并系统性分析了2010—2015年设计与施工耦合度、耦合协调度曲线变化情况。研究表明,设计与施工过程处于高水平耦合阶段,且两系统的整体发展水平表现不均衡。在此基础上利用pso-bp神经网络算法对2016—2017年的交互耦合态势进行预测,选取了1996—2015年建筑业设计、施工相关数据作为训练样本,从中均匀抽取4组作为测试样本。该测试结果得到的预测值与实际值符合程度比较好,且预测精度较高。最后文章给出了设计与施工两个系统在处于高水平耦合阶段下,提高耦合协调度的建议。

当前一般按照数据的后验分布,为缺失值插入估计值,通常低估了统计量的方差,导致统计量估计置信范围降低,检测显著性降低。为此,提出1种新的基于bp神经网络的农资库存数据插补技术。为了增强不同年份农资库存数据的可比性,对数据进行归一化处理。针对训练的bp神经网络,通过平均绝对误差、均方误差、平均预测误差、平均绝对百分误差完成统计分析,评价模拟值和观测模拟值间的离散程度。分析了bp神经网络结构,对农资库存数据进行插补的过程中,构造双向时间识别序列,改变应用前一时间段农资库存数据预测后期数据的传统方式,采用缺失时间段前后已有农资库存数据共同对缺失数据进行预测。完成农资库存数据的处理后,需对已有样本进行训练,如果检验拟合度指标值高于0.8,则认为训练结果可靠,从而完成对缺失值的预测,实现农资库存数据插补。试验结果表明,所提技术插补精度高。

以提高水源热泵利用率，保护地下水资源为目的，提出了利用bp神经网络算法针对热泵系统的提水环节进行优化控制。合理分配热泵系统提供的热能并且有效解决了回灌困难的问题，使得资源的利用更加有效，更有利于环保。

在岩土工程中如何准确预测桩基竖向承载力是一件非常重要的事情。针对现有研究存在的不足,基于标准bp神经网络算法,加入一动量因子,建立了修正的bp神经网络模型,对单桩的竖向承载力进行了预测。以镇江市勘察测绘研究院所完成的地质勘查报告为工程背景,以地震波静力触探测试(scptu)测得的4个指标(锥尖阻力、锥侧摩阻力、剪切波速和孔隙水压力)为输入参数,桩基承载力为输出参数。通过与现场静载试验进行比对,得到了相关系数较高的桩基荷载响应曲线。经过与传统预测方法进行比较发现,用修正的bp神经网络算法可以有效预测桩基竖向承载力,精度较高。