增強(qiáng)神經(jīng)網(wǎng)絡(luò)算法構(gòu)建混合模型的建筑能耗短期預(yù)測

打開文本圖片集

摘  要：隨著智能電網(wǎng)進(jìn)一步普及以及分布式電源種類與數(shù)量增多，建筑能耗數(shù)據(jù)具有更大的非線性與非平穩(wěn)特征，單一預(yù)測模型無法滿足其精度要求。文章提出一種新型混合模型，利用去噪自編碼器（DenoisingAutoEncode，DAE）在不丟失數(shù)據(jù)特征的基礎(chǔ)上，對波動(dòng)性較大的大量數(shù)據(jù)降維簡化;本次實(shí)驗(yàn)對AdaBoost算法進(jìn)行改進(jìn)，優(yōu)化迭代過程;利用改良后的AdaBoost算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值與閾值完成對建筑能耗的預(yù)測;應(yīng)用AE-AdaBoost-BP混合模型對上海某大型建筑能耗進(jìn)行短期預(yù)測，結(jié)果顯示該混合模型可以獲得更加精確的預(yù)測結(jié)果。（剩余5228字）