10.3969/j.issn.1000-386x.2023.06.011
基于蚁群优化ANFIS模型的建筑室温状态和能耗预测
建筑采暖、通风和空调(HVAC)系统占据了超过一半的建筑能耗,系统的运行状态和能耗预测是节约建筑能耗、确保热舒适性的关键.提出一种基于蚁群优化算法(ACO)优化的自适应神经网络模糊推理系统(AN-FIS),对暖通空调中空气处理单元(AHU)的状态和能耗进行建模和预测.通过蚁群优化算法和最小二乘法对ANFIS网络训练过程中前提参数和结论参数的寻优,进一步提高ANFIS方法对于HVAC等非线性系统建模的速度和精度.与随机森林(RF)、支持向量机(SVM)、BP神经网络和一般ANFIS等模型进行比较,验证了该方法具有更好的预测效果.
建筑能耗、暖通空调、自适应神经网络模糊推理系统、蚁群优化算法、非线性系统建模
40
TP3(计算技术、计算机技术)
2023-07-10（万方平台首次上网日期，不代表论文的发表时间）
共7页
63-69
