基于改进的BIN法模拟分析建筑空调能耗

利用改进的BIN法对南京某空调建筑的能耗进行模拟,并应用正交试验设计、方差分析、回归分析等数理统计方法对能耗进行分析,得到建筑能耗显著影响因素和各因素影响程度大小关系,从而为建筑节能设计与空调运行管理提供依据。     

基于多规则实时学习组合型BP神经网络的城市建筑能耗预测模型

本文在建立城市层面的建筑用电量预测模型时,针对常规BP神经网络模型存在的诸多缺陷,进行了多种优化:组合模型预测取均值以克服随机性;加入统计规则以剔除个别奇异预测值的影响;实时学习以提高长期预测的精度.此怂外,针对影响因素的未来趋势难以准确预测的问题,增加了月份周期变量和月份序列变量这2个变量作为网络的输入,以提高模型的精度.结果显示,该方法预测效果明显优于常规BP神经网络和时间序列等方法.