利用神经网络预测PMV指标

由于PMV指标与人体热舒适感的影响因素间存在着复杂的非线性关系，采用传统的方法确定PMV值既不便于硬件实现，也不能适应空调实时控制的需要，为了解决这一问题，利用人工神经网络方法，建立了PMV指标的神经网络预测模型，实现了PMV指标的智能化预测，从而解决了实现基于PMV指标的空调实时控制的关键问题。     

基于遗传算法的室内热舒适指标PMV的神经网络预测

介绍了人工神经网络对室内热舒适指标PMV进行预测的方法,探索遗传算法与神经网络结合运用,得出了神经网络预测的结果,提出了神经网络预测可用于智能化空调运行的控制。     

人工神经网络在预测热舒适性指标中的应用

热舒适性指标与各个影响因素之间存在复杂的非线性的关系,而人工神经网络能够反映这种非线性的映射关系,因此通过人工神经网络可以实现热舒适性指标的计算及预测。首先对热舒适性指标做了一个简单的介绍,并以Fanger公式计算出热舒适性指标的期望输出值,然后分别介绍了BP网络、GA-BP网络、RBF网络及Elman网路的算法及结构,并建立热舒适性指标预测模型,对4种神经网络在预测中的性能给予定性与定量的分析。结果表明,在预测热舒适性指标方面,基于GA-BP神经网络性能要优于其他神经网络,具有更高的精度和适应能力,能够较好的满足将其应用于空调系统的控制器中对其进行实时控制。     

利用神经网络预测空调负荷

介绍了神经网络的基本原理,编制了通用神经网络程序,并用些程序对一实际工程空调负荷进行了预测,预测结果与计算值相吻合,说明神经网络是一种新颖、可靠的负荷预测方法。     

舒适性指标PMV在暖通空调控制中的应用

在分析了影响人体舒适性感觉诸因素的基础上,讨论了PMV(预测平均投票值--Predicted Mean Vote)指标的作用和运算方法.利用人工神经网络建立了PMV指标的预测模型,并将PMV指标用作空调系统的优化性能指标,研究了空调系统优化控制方案.优化指标取舒适性指标和耗能量之和,在模型不确定和环境、负荷参数不断变化的情况下既达到了节能的要求,又可以使空调区域内的温、湿度保持在舒适性范围内.研究表明将PMV指标用于空调系统的优化控制,具有良好的适用性.     

应用递归人工神经网络预测电力短期负荷

介绍了神经网络的基本原理,使用递归人工神经网络模型对电力短期负荷进行预测,采用了梯度下降法,来提高训练的收敛速度,预测仿真结果表明,使用递归神经网络预测比传统的预测方法更准确.     

人工神经网络在商场建筑物冷负荷预测中的应用

对空调系统进行冷负荷预测是对冰蓄冷系统进行优化控制的重要前提与基础。经过对各种预测方法的结果比较，人们发现人工神经网络预测的结果更接近实际值。基于人工神经网络的通用BP(Back Propagation)算法编制的程序，实际对一栋采用冰蓄冷空调的商场性质建筑物进行冷负荷预测并加以评价。此程序采用Visual Basic编制，含有7个输入层以及1个输出层，利用通用BP算法。结果显示利用人工神经网络预测建筑物冷负荷比较可靠。     

哈尔滨市冬季居民热舒适现场研究

为了研究适于寒地居民热舒适的热环境参数指标及探讨如何改善该地区居室热环境现状,对哈尔滨市66户住宅冬季室内热环境与居民热感觉、热舒适进行了现场调查,用室内气候分析仪及热舒适仪测试了热环境参数及PMV－PPD指标,收集了120名居民填写的热感觉、热舒适等主观调查表,与ISO7730及ASHRAE55－1992舒适标准对照,仅有77.5%的居民所处的热环境在热舒适范围内,但热环境接受率高达91.7%。80％居民可接受的操作温度是18.0-25.5℃,说明人们对环境的适应性很强,按ASHRAE7点标度计算出的热中性温度为21.5℃（以t0表示）,所期望的温度为21.9℃,当相对湿度为20％－30％时,80％以上的居民感觉空气干燥,当相对湿度为30％－55％时,仍有40％以上的居民认为空气干燥。     

人工神经网络在电气传动故障诊断中的应用

论述了人工神经网络在电气传动故障诊断领域的发展概况,主要包括神经网络的的应用特点及其发展趋势等。     

陕西关中农村冬季住宅室内热舒适调查研究

对36户关中地区农村住宅冬季室内物理环境参数进行测量,以问卷方式对居民的基本情况和以ASHRAE的7级热感觉标度对居民的热感觉主观反应进行调查统计.运用统计学分析方法对测试与调查结果进行回归分析,得到该地区居民冬季的热中性温度为11.7℃,热期望温度为12.7℃,冬季80%居民可接受温度范围的下限为8.0℃.     

基于神经网络的室内热舒适评判模型

为更加科学地建立室内热舒适度评判体系,以某个体对不同热环境4个室内环境主要影响因素(环境温度、风速、相对湿度、平均辐射温度)的热舒适判断作为教师对神经网络的权值进行修正,以MatLab为开发工具,建立了室内热舒适的BP神经网络评判模型,给出了模型的算法．几种不同环境的验证结果表明,该模型的预测结果与此个体的实际判断高度吻合．     

人工神经网络在数据挖掘中的应用

在分析了现行数据挖掘方法后，介绍一种基于数据库的挖掘方法一人工神经网络(Artificial Neural Network)方法，通过对数库据中数据样本的学习，自动发现隐含的大量知识，具体给出了神经网络方法的学习模型和算法．该方法丰富了数据挖掘工具，使定性变量和复杂、动态数据的科学处理成为现实．     

基于神经网络的道路交通污染物浓度预测

利用人工神经网络技术设计了一段式计算路侧道路交通污染物浓度的模型。首先把影响路侧道路交通污染物浓度的因素归结为3大类;然后设计了反映污染物浓度与交通流参数、气象参数和道路空间特征等因素之间数学关系的人工神经元网络结构;最后通过实际观测搜集大量的数据,对神经元网络模型进行训练,得到了精度令人满意的预测模型。     

人工免疫算法在室内热舒适模型优化中的应用

将人工免疫算法应用于建筑室内热环境设计和空调系统的参数优化方面,根据Fanger热舒适模型, 建立室内热舒适目标函数,进而确定满足热舒适要求的室内风速和温度范围.研究表明,基于免疫算法的室内热舒适组合优化方法可以作为热工设计和空调系统控制的依据.     

人工神经网络在交通网络OD矩阵推算中的应用

交通网络中ＯＤ矩阵的推算曾一度成为交通规划界的热点,国内外不少学者也提出了一些计算模型和求解方法。在此基础上,针对常规求解方法的不足,提出了应用神经网络来进行ＯＤ矩阵的推算,最后通过实例,分析了此方法的精度,从理论上和实践上证实了该方法的可行性。     

人工神经网络在钢水二次精炼脱磷中的运用

使用CaO基渣系对钢水进行二次精炼脱磷,基于BP神经网络建立脱磷预报系统。对于初始组成(质量分数)为:CaO(48%)-CaF2(32%)-Fe2O3(20%)的熔剂,通过实验与脱磷预报系统的预报发现:①添加剂BaO替代熔剂中CaO的量>13%时,脱磷率ηP90%;②Fe2O3添加量在25%～37%之间时,ηP90%;③渣中存在SiO2时,脱磷率将大幅降低。     

基于人工神经网络集成的微阵列数据分类

基因数量远多于样本数量是基因表达微阵列数据进行疾病诊断所面临的主要挑战，为此提出了采用人工神经网络集成的组织分类方法．该方法使用Wilcoxon测试选择用于与分类相关性较高的重要基因，通过凸伪数据法产生神经网络集成中各个体的训练集，用简单平均法集成网络个体的测试结果．采用实际的微阵列实验数据集分别进行独立测试和交叉验证测试，结果表明，该方法性能优于单个神经网络、最近邻法和决策树．受试者特征曲线测试表明，神经网络集成性能优于单个神经网络．     

BP人工神经网络在加氢汽油干点软测量中的应用研究

汽油干点是石油加工过程中汽油质量的一个重要指标,但实际生产中还没有合适的可用于实时测量这一参数的仪器,本文运用软测量技术,通过BP人工神经网络建立了软测量模型,并嵌入到DCS控制系统中对汽油干点进行实时预测和推断,在实际应用中取得了良好的预测效果.     

Activated sludge process based on artificial neural network

0　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｄｅｓｉｇｎａｎｄｃｉｒｃｕｌａｔｉｏｎｏｆｗａｓｔｅｗａｔｅｒｍｉｃｒｏ ｂｉｏｌｏｇｉｃａｌｔｒｅａｔｍｅｎｔｈａｓｂｅｅｎｍｏｓｔｌｙｃａｒｒｉｅｄｏｕｔａｃ ｃｏｒｄｉｎｇｔｏｅｘｐｅｒｉｅｎｃｅｄａｔａｆｏｒｍａｎｙ ｙｅａｒｓ .Ｓｏｍｅｓｃｈｏｌａｒｓ (ｉ.ｅ .Ｗ .Ｗ .Ｅｃｋｅｎｆｅｌｄｅｒ ,Ｒ .Ｅ .Ｍｃｋｉｎｎｅｙ ,Ａ .Ｗ .Ｌａｗｒｅｎｃｅ ,Ｐ .Ｌ .ＭｃＣａｒｔｙａｎｄｓｏｏｎ)ｉｎｔｒｏ ｄｕｃｅｄｒｅａｃｔｏｒｔｈｅｏｒｙｏｆｃｈｅｍｉｃａｌｉｎｄｕ…