基于禁忌遗传神经网络的热舒适度预测模型研究

热舒适度指标的计算过程具有非线性性、计算复杂度高等特点,致使空调的实时控制器无法直接使用。针对这一问题,提出了一种基于改进的禁忌遗传算法神经网络的热舒适度预测模型(TGA-BPNN)。该模型利用神经网络训练函数优化遗传算法的初始种群,并通过禁忌表改进遗传操作。仿真实验表明,与BP神经网络及遗传神经网络相比,TGA-BPNN不仅能提升种群的多样性,还能快速找到全局最优解,从而进一步提升模型预测的准确性。