[发明专利]一种基于弹性自适应神经网络的建筑物能耗预测方法

摘要

本发明公开了一种基于弹性自适应神经网络的建筑物能耗预测方法，包括步骤：选取建筑物能耗影响因素的历史数据生成输入向量，以其所对应的建筑物能耗值的历史数据作为输出，得到训练样本；利用所得训练样本训练BP神经网络；选取影响建筑物能耗因素的待预测日的数据输入BP神经网络，得到建筑物能耗预测值。本发明采用BP神经网络，实现了建筑物的能耗预测，针对BP神经网络易陷入局部极值的缺陷，提出了一种弹性自适应BP神经网络，用于BP神经网络的权值校正，较好地解决了BP神经网络易陷入局部极值的问题，提高了建筑物能耗预测的精度。

主权项

一种基于弹性自适应神经网络的建筑物能耗预测方法，其特征在于：包括步骤：(1a)选取建筑物能耗的影响因素，采集建筑物能耗影响因素的历史数据和其所对应的建筑物能耗历史数据，根据季节划分为春、夏、秋、冬四组训练样本集；(1b)根据步骤(1a)中的建筑物能耗影响因素的历史数据按季节分别生成输入向量，以所对应的建筑物能耗的历史数据作为输出数据，并对输入向量和输出数据进行归一化处理，得到训练样本；(1c)利用步骤(1b)所得训练样本按季节分别对BP神经网络进行训练，得到训练后的BP神经网络；(1d)采集待预测日的建筑物能耗影响因素数据生成预测输入向量，进行归一化处理，得到归一化处理后的预测输入向量；(1e)将步骤(1d)所述归一化处理后的预测输入向量按季节输入对应的BP神经网络，得到建筑物能耗预测输出数据，预测输出数据经反归一化处理得到待预测日的建筑物能耗预测值。