Abstract：
为了降低建筑能耗影响因素间复杂相关性对模型性能的影响，建立了一种基于KPCA-WLSSVM 的建筑能耗预测模型。利用核主元分析(KPCA)对输入变量进行数据压缩，消除变量之间的相关性，简化模型结构；进一步采用加权最小二乘支持向量机(WLSSVM)方法建立建筑能耗预测模型，同时结合一种新型混沌粒子群—模拟退火混合优化(CPSO-SA)算法对模型参数进行优化，以提高模型的预测性能及泛化能力。通过将KPCA-WLSSVM模型方法应用于某办公建筑能耗的预测中，并与WLSSVM、LSSVM 及RBFNN 模型相比，实验结果表明KPCAWLSSVM模型方法能有效提高建筑能耗预测精度。
Keyword：
Reprint 's Address：
Email：
Source ：
Year： 2015
Page： 1-1
Language： Chinese
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
