基于LM-BP神经网络的建筑能耗在线预测

由于神经网络不需要建立复杂的数学模型,因此基于BP神经网络的建筑能耗预测引起广泛关注.但标准BP神经网络收敛速度慢,不适于建筑能耗在线预测,因此采用了LevenbergMarquardts算法对标准BP神经网络加以改进,并将其应用于某建筑未来24小时的整点电量负荷预测.实验结果表明,改进的神经网络明显提高了训练速度,为建筑短期负荷的在线预测提供了一种方法.     

基于神经网络的建筑能耗混合预测模型

为了提升建筑能耗预测的精度、鲁棒性和泛化能力,提出树种算法（TSA）优化的径向基函数（RBF）神经网络与长短时记忆（LSTM）神经网络结合的混合预测模型. 采用基于自适应噪声的完全集成经验模态分解算法,将建筑能耗数据分解为1组本征模态函数（IMF）分量和1个残余分量,利用样本熵算法将各分量划分为高频分量和低频分量. 采用最小绝对收缩与选择算子（LASSO）方法进行特征选择. 分别利用TSA算法优化后的RBF模型与LSTM模型对低频分量和高频分量进行预测,并叠加重构得到最终预测结果. 模型评估结果表明,混合预测模型的精度为98. 72%. 相比于RBF、TSA-RBF、LSTM模型,所提模型的预测效果更好,且具有较强的鲁棒性和泛化能力,能够更为有效地用于建筑逐时电力能耗预测.     

寒冷地区节能建筑结露分析与对策

以寒冷地区某节能建筑围护结构为研究背景,对建筑物的现场检测结果进行了理论分析和计算,针对热桥导致建筑外墙内表面产生结露的现象,提出了解决措施,并在该工程中成功运用,效果良好.本文的研究对于类似寒冷地区节能建筑结露现象的防治具有较强的理论指导意义和实用价值.     

寒冷地区居住建筑楼梯间隔墙节能优化设计

当居住建筑楼梯间隔墙面积所占比例较大时,楼梯间隔墙是否设置保温层对于建筑采暖能耗影响很大.通过选取典型建筑模型,采用寒冷地区居住建筑节能设计软件HEC,针对楼梯间隔墙保温层设置情况进行节能设计和分析,以期为寒冷地区居住建筑楼梯间隔墙节能设计提供有价值的理论依据.     

寒冷地区居住建筑窗户的保温与节能

通过分析影响窗户热损失的因素，提出减少窗户热损失措施。并对窗户进行节能的经济性分析．     

神经网络在预测中的应用

本文介绍了多层前向神经网络及其学习算法。并利用多层前向神经网络对复杂非线性系统进行预测研究。实验结果证明该方法是有效的。     

神经网络在股票价格预测中的应用

如何对股票价格进行预测是投资者所关注的话题，采用BP神经网络对股票价格进行预测，提出了将股票市场上所采用的技术指标作为神经网络输入变量，利用逐步回归方法筛选出影响股票价格涨跌的变量，从而建立起神经网络模型，研究结果表明，该方法具有一定的预测能力。     

建筑能耗模拟典型年中气象参数权重的确定

在建筑能耗模拟用典型年的生成中,传统的Finkelstein-Schafer统计方法对气象参数赋予了固定的权重因子,但有关研究表明,由于地域间气象资源不同,气象参数权重因子的固化有待商榷。针对挑选典型年时气象参数权重因子统一与否对典型年挑选结果和建筑能耗模拟准确性的影响问题,选同一建筑热工分区中寒冷地区的代表城市北京和拉萨,分别使用FS方法和主成分法进行了典型年的挑选,并对典型公共建筑建模进行了能耗模拟分析。结果表明：FS统计方法适于表征单独气象参数的长期相似性,但存在对太阳辐射参数权重赋予过大的问题,适用于太阳能丰富地区;而主成分法适合寻求当地气象资源的本质特征,使用主成分法时对气象参数的选择尤为重要。     

格宾护岸结构在寒冷地区的应用

寒冷地区护岸工程的破坏因素有水流冲刷、冻融循环、静冰压力、动冰撞击力。传统的硬质护岸不能很好地适应这些外力。格宾产品是一种柔性、透水、多孔隙结构,可以很好地适应寒冷地区的环境条件。     

寒冷地区建筑负荷对围护结构热工参数的敏感性分析

为研究建筑围护结构属性对同一热工分区不同城市节能建筑负荷影响的敏感性,以同属于寒冷地区的兰州和郑州为研究目标所在城市,在节能65％的前提下将4种外墙、3种外窗和4种窗墙比进行组合得到了48个可能的办公建筑围护结构计算房间。分别计算了这些房间的冷负荷、热负荷和全年总负荷并分析了各热工参数对负荷的影响。通过与基准房间负荷对比,获得了具有不同热工性能的计算房间的节能率及最优的办公建筑围护结构。     

能耗模拟在建筑围护结构节能改造中的应用

以上海地区某宾馆建筑为研究对象,为降低能耗拟对建筑围护结构进行改造,有外墙加保温层、屋顶加保温层和外窗贴隔热膜3种改造方案.利用建筑能耗模拟软件对原有建筑及3种改造方案实施后的建筑进行了全年空调能耗模拟,并给出了经济性分析,由分析结果可以看出,采用外窗节能改造方案的经济性最好.     

神经网络在个人信用组合预测中的应用

该文运用组合预测的思想,提出了通过感知器、BP、Elman和LVQ等不同的具有代表性的神经网络模型,将多元线性回归和logistic回归两单一方法进行组合,并分别应用于某商业银行的个人信用评估,其结果表明:感知器、BP、Elman和LVQ神经网络组合预测方法精确度不尽相同,但总体上能够获得比多元线性回归和logistic回归更高的预测精度,尤其在避免纳伪错误方面更具优势。     

基于神经网络最优组合预测在电力负荷预测中的应用

为提高负荷预测的准确性,引入了最优组合预测模型,使几个电力负荷预测模型有机地结合起来.针对最优组合预测模型权重分配时出现的负权重问题,建立了基于神经网络的最优组合预测模型,通过实例论证,该模型具有较高的预测精度.     

动态模糊神经网络在变形预测中的应用

为了得到更好的桥梁墩台沉降变形预测精度,减少工程监测实践的误差,分别介绍了基于扩展径向基函数神经网络（RBFNN）与动态模糊神经网络（DFNN）的学习算法和参数的确定方法。选取某一桥梁沉降监测数据分别进行基于扩展径向基函数神经网络与动态模糊神经网络的自适应学习训练,进行桥梁墩台沉降变形预测。实例分析结果表明,径向基函数神经网络预测误差达到0.15 mm,而动态模糊神经网络预测误差达到0.07 mm,显然动态模糊神经网络具有更高的预测精度,从而证实了动态模糊技术与神经网络相结合的自适应学习训练过程的优越性。     

寒冷地区既有居住建筑能耗现状分析

主要对西安市既有建筑的现状进行了分析,阐述了西安地区的气候和地理特征,就西安地区围护结构在材料及构造措施方面的现状进行了总结,并实地测量分析了西安市某既有居住建筑的室内环境,最后对其围护结构的能耗情况进行了测算.上述研究发现.目前西安市的既有建筑围护结构热工性能较差,冬季室内环境存在阴冷等诸多问题.此外,建筑耗热量指标严重超出国家标准,围护结构节能改造的需求潜力巨大.     

BP神经网络在城市需水量预测中的应用

将BP神经网络方法,引入到城市需水量预测中,表现需水量众多影响因子的非线性复杂因果规律,结果表明,神经网络方法应用到城市需水量预测中具有较强的预测能力和很高的可信度,技术上是可行的。     

神经网络在人口自然增长率预测中的应用

人口自然增长率是制定人口政策时一个重要的参考指标.本文应用神经网络的方法找出了适合在一个长时期内进行人口自然增长率预测的方法,与线性回归相比具有较高的精度,对人口政策的制定具有一定的参考价值.     

BP神经网络在带钢宽展预测中的应用

传统数学模型对非线性系统进行预测往往造成较大误差，而BP神经网络能取得较好的效果．本文将BP神经网络的思想用于热连轧精轧自然宽展预测。研究并建立了基于BP神经网络的精轧自然宽展预测控制数学模型。经用现场实测数据仿真验证表明该模型大大优于传统的数学预测模型的预测精度．