基于改进天牛须算法-优化极限学习机的地源热泵能耗预测研究

论文摘要

针对极限学习机随机产生输入权值和隐层偏置导致模型不稳定的问题,本文提出了一种基于改进天牛须算法-优化极限学习机（BSAS-ELM）的地源热泵能耗预测模型,此模型收敛速度快、泛化能力强。将BSAS-ELM的预测结果与极限学习机（ELM）及支持向量机（SVM）进行比较表明,基于BSAS-ELM的地源热泵能耗预测模型能显著提高能耗预测精度。

论文目录

• 0 引言
• 1 改进天牛须算法优化极限学习机
•   1.1 极限学习机（ELM）
•   1.2 改进天牛须算法（BSAS）
•   1.3 改进天牛须算法优化极限学习机（BSAS-ELM）
• 2 基于BSAS-ELM的地源热泵能耗预测模型
•   2.1 数据来源及地源热泵系统图
•   2.2 数据预处理
•   2.3 训练建模
•   2.4 基于BSAS-ELM的地源热泵能耗预测
• 3 能耗预测结果及分析
•   3.1 数据描述及ELM网络结构
•   3.2 基于BSAS-ELM的单步预测
•   3.3 基于BSAS-ELM的多步预测
• 4 结论

文章来源

类型: 期刊论文

作者: 刘涛,徐成良,陈焕新

关键词: 地源热泵系统,能耗预测,天牛须搜索,极限学习机,时间序列预测

来源: 制冷技术 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 新能源,自动化技术

单位: 华中科技大学能源与动力工程学院

基金: 国家自然科学基金(No.51876070,No.51576074)

分类号: TP181;TK521.2

页码: 6-11

总页数: 6

文件大小: 2169K

下载量: 303