Indexed by：
Abstract：
建筑能耗影响因素复杂,研究新的能耗预测方法可简化预测过程,提高预测精度.首先对一栋高校建筑的能耗样本进行主成分分析(PCA),去除信息冗余,消除输入变量之间的相关性.把经过PCA提取的主成分作为Elman神经网络的输入,隐含层和输入层均采用tansig 函数,在训练过程中不断对权值和偏差进行修正,最终建立基于PCA-Elman的建筑能耗预测模型.采用测试样本对模型精度进行验证,实例表明,基于PCA-Elman的建筑能耗预测模型相对误差为5.49％,优于单一Elman神经网络预测结果.本方法简单易行,可用于建筑能耗预测和建筑能耗监测系统的报警阈值设置.
Keyword：
Reprint 's Address：
Version：
Source ：
智能建筑电气技术
ISSN： 1729-1275
CN： 11-5589/TU
Year： 2016
Issue： 4
Volume： 10
Page： 5-8
