Indexed by：
Abstract：
由于建筑能耗因子间存在非线性和高度冗余特性,传统预测方法很难消除数据之间冗余和捕捉非线性特征,导致预测精度较低.为了提高建筑能耗预测精度,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模型方法应用于某公共建筑能耗的预测中,并与WLSSVM、LSSVM及RBFNN模型相比,实验结果表明KPCA-WLSSVM模型方法能有效提高建筑能耗预测精度.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
江南大学学报（自然科学版）
ISSN： 1671-7147
CN： 32-1666/N
Year： 2015
Issue： 6
Volume： 14
Page： 710-716
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
