[发明专利]基于改进IHCMAC神经网络的建筑负荷预测方法和装置在审
| 申请号： | 201710919130.9 | 申请日： | 2017-09-30 |
| 公开（公告）号： | CN107704875A | 公开（公告）日： | 2018-02-16 |
| 发明（设计）人： | 段培永;邹明君;丁绪东;张震;吕东岳;吴盼红 | 申请（专利权）人： | 山东建筑大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/00;G06N3/08;G06F17/50 |
| 代理公司： | 济南圣达知识产权代理有限公司37221 | 代理人： | 黄海丽 |
| 地址： | 250101 山东省济*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于改进IHCMAC神经网络模型的建筑负荷预测方法和装置，所述方法包括对建筑物的实际运行情况进行模拟仿真，获取建筑冷/热负荷数据及其影响因素数据；根据影响因素和建筑冷/热负荷的相关程度确定模型的输入变量；根据粒子群‑K均值聚类算法对输入变量进行聚类，得到L个聚类中心的值即模型节点值，并对每个节点定义高斯核函数；通过权值训练算法对节点的权值进行更新，得到模型的建筑负荷预测值。本发明的方法收敛速度快，学习精度高，泛化能力强，能够为建筑系统的节能优化控制提供决策依据。 | ||
| 搜索关键词： | 基于 改进 ihcmac 神经网络 建筑 负荷 预测 方法 装置 | ||
【主权项】：
一种基于改进IHCMAC神经网络模型的建筑负荷预测方法，其特征在于，包括以下步骤：对建筑物的实际运行情况进行模拟仿真，获取建筑冷/热负荷数据及其影响因素数据；根据影响因素和建筑冷/热负荷的相关程度确定模型的输入变量；根据粒子群‑K均值聚类算法对输入变量进行聚类，得到L个聚类中心的值即模型节点值，并对每个节点定义高斯核函数；通过权值训练算法对节点的权值进行更新，得到模型的建筑负荷预测值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于山东建筑大学，未经山东建筑大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710919130.9/，转载请声明来源钻瓜专利网。
