10.11857/j.issn.1674-5124.2018.12.025
基于IAGA-BP神经网络的电地热室内温度预测
利用电地热对居民区进行供暖时,为实现对用户室内下一时刻温度的精确预测,该文提出一种改进的自适应遗传算法(IAGA).该算法对自适应遗传算法的交叉概率和变异概率进行改进,通过函数测试证明所提算法比传统的遗传算法稳定性好、收敛速度快,并将改进后的算法对BP网络进行优化,从而克服BP网络算法易陷入局部极值、学习效率低和收敛速度慢的缺点,最终建立基于IAGA-BP网络的电地热室内温度预测模型.将其与粒子群算法(PSO)优化的BP神经网络模型进行仿真对比,实验表明:IAGA-BP网络相对于PSO-BP网络具有更好的预测准确度,其平均绝对误差、均方差分别为0.1328℃、0.0792,均优于PSO-BP网络预测,该模型建立可为后期的电地热温度控制提供依据.
自适应遗传算法、室内温度预测、BP算法、神经网络
44
TP273(自动化技术及设备)
2019-02-20（万方平台首次上网日期，不代表论文的发表时间）
共6页
141-146
