排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
将室外温度、历史供热量、生活热水平均日供回水温差、日期类型作为用热影响参数(室外温度分为日最大值、日最小值、日平均值,历史供热量分为前1日供热量、前2日供热量、前3日供热量,日期类型分为工作日、节假日),构建8组用热影响参数组合,采用BP神经网络建立热力站日供热量预测模型1~8。将平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方根误差(RMSE)、相对误差绝对值(ARE)作为指标,评价预测模型的可靠性、稳定性以及预测结果的可信程度。预测模型7(用热影响参数为室外温度日最大值、室外温度日最小值、前1日供热量、前2日供热量、前3日供热量、生活热水平均日供回水温差、日期类型)的可靠性、稳定性最好,预测结果的可信程度最高。加入日期类型可提高预测模型的可靠性、稳定性。 相似文献
1