基于改进神经网络算法预测康定市某小区供热负荷  

作　　者：张利俊 安文含 周晓璇 刘吉营 

机构地区：[1]四川建设工程监理有限公司,四川成都610095 [2]山东建筑大学热能工程学院,山东济南250101

出　　处：《四川建筑》2024年第6期265-268,共4页Sichuan Architecture

基　　金：山东省自然科学基金(项目编号:ZR2021ME199);山东省高等学校青创人才引育计划创新团队项目(项目编号:鲁教科函〔2021〕51号)。

摘　　要：为了提高供热负荷预测的准确性,研究提出了一种基于主成分分析法和遗传算法优化的反向传播神经网络(Principal Component Analysis-Genetic Algorithm-Back Propagation,PCA-GA-BP)预测模型。该模型首先采用PCA从原始集中供热监测数据中提取了4个主成分,作为BP神经网络输入参数,去除了输入变量之间的冗杂与相关性,随后,利用GA对BP神经网络的权值和阈值进行优化,以此构建PCA-GA-BP热负荷预测模型。选取康定市居住建筑供热系统实际运行的热力数据作为模拟实验样本,对优化前后模型的性能进行比较验证。研究发现,PCA-GA-BP神经网络预测模型的平均绝对百分比误差低至10.287%,比传统的BP神经网络预测模型的MAPE减少了6.636%,显著提高了供热负荷预测的准确性。

关 键 词：供热负荷 主成分分析法 遗传算法 预测模型 

分 类 号：TU832.02[建筑科学—供热、供燃气、通风及空调工程]