一種基于彈性自適應(yīng)神經(jīng)網(wǎng)絡(luò)的建筑物能耗預(yù)測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種建筑物能耗預(yù)測方法，尤其涉及一種基于彈性自適應(yīng)神經(jīng)網(wǎng)絡(luò)的 建筑物能耗預(yù)測方法。
【背景技術(shù)】
[0002] 隨著城市化進(jìn)程的不斷加速，能源問題日益突出，建筑節(jié)能已經(jīng)成為了當(dāng)今社會 發(fā)展的研宄熱點(diǎn)，對建筑系統(tǒng)能耗進(jìn)行全面的評估和綜合分析是進(jìn)行節(jié)能改造或節(jié)能設(shè)計(jì) 的前提和基礎(chǔ)，而建立反映能耗變化的預(yù)測模型是從宏觀尺度上分析認(rèn)識建筑能耗變化與 發(fā)展特性為公共建筑節(jié)能工作提供決策依據(jù)的有效途徑和重要手段。
[0003] BP神經(jīng)網(wǎng)絡(luò)預(yù)測具有很強(qiáng)的非線性映射能力，善于從輸入和輸出信號中尋找規(guī) 律，不需要精確的數(shù)學(xué)模型，并且計(jì)算能力強(qiáng)，但是傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)易導(dǎo)致局部最小值，固 定的學(xué)習(xí)率在學(xué)習(xí)過程中易出現(xiàn)癱瘓現(xiàn)象并且導(dǎo)致學(xué)習(xí)時(shí)間過長。
[0004] 針對上述問題，本發(fā)明提出了一種基于彈性自適應(yīng)神經(jīng)網(wǎng)絡(luò)的建筑物能耗預(yù)測方 法。

【發(fā)明內(nèi)容】

[0005] 為解決現(xiàn)有技術(shù)中的不足，本發(fā)明提供一種基于彈性自適應(yīng)神經(jīng)網(wǎng)絡(luò)的建筑物能 耗預(yù)測方法，解決了建筑物能耗預(yù)測結(jié)果準(zhǔn)確性低的問題，以及BP神經(jīng)網(wǎng)絡(luò)易陷入局部極 值、求解精度低的問題。為了實(shí)現(xiàn)上述目標(biāo)，本發(fā)明采用如下技術(shù)方案：一種基于彈性自適 應(yīng)神經(jīng)網(wǎng)絡(luò)的建筑物能耗預(yù)測方法，其特征在于：包括步驟：
[0006] (Ia)選取建筑物能耗的影響因素，采集建筑物能耗影響因素的歷史數(shù)據(jù)和其所對 應(yīng)的建筑物能耗歷史數(shù)據(jù)，根據(jù)季節(jié)劃分為春、夏、秋、冬四組訓(xùn)練樣本集；
[0007] (Ib)根據(jù)步驟（Ia)中的建筑物能耗影響因素的歷史數(shù)據(jù)按季節(jié)分別生成輸入向 量，以所對應(yīng)的建筑物能耗的歷史數(shù)據(jù)作為輸出數(shù)據(jù)，并對輸入向量和輸出數(shù)據(jù)進(jìn)行歸一 化處理，得到訓(xùn)練樣本；
[0008] (Ic)利用步驟（Ib)所得訓(xùn)練樣本按季節(jié)分別對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練 后的BP神經(jīng)網(wǎng)絡(luò)；
[0009] (Id)采集待預(yù)測日的建筑物能耗影響因素?cái)?shù)據(jù)生成預(yù)測輸入向量，進(jìn)行歸一化處 理，得到歸一化處理后的預(yù)測輸入向量；
[0010] (Ie)將步驟（Id)所述歸一化處理后的預(yù)測輸入向量按季節(jié)輸入對應(yīng)的BP神經(jīng)網(wǎng) 絡(luò)，得到建筑物能耗預(yù)測輸出數(shù)據(jù)，預(yù)測輸出數(shù)據(jù)經(jīng)反歸一化處理得到待預(yù)測日的建筑物 能耗預(yù)測值。
[0011] 前述的一種基于彈性自適應(yīng)神經(jīng)網(wǎng)絡(luò)的建筑物能耗預(yù)測方法，其特征在于：所述 建筑物能耗的影響因素包括：待預(yù)測日前一天用電量、建筑物所在地年人均可支配收入、待 預(yù)測日太陽輻射值、待預(yù)測日天氣類型、待預(yù)測日最高氣溫和建筑物面積。
[0012] 前述一種基于彈性自適應(yīng)神經(jīng)網(wǎng)絡(luò)的建筑物能耗預(yù)測方法，其特征在于：步驟 (Ib)具體包括步驟：
[0013] (3a)利用所得建筑物能耗影響因素的歷史數(shù)據(jù)按季節(jié)分別生成輸入向量，以所對 應(yīng)的建筑物能耗的歷史數(shù)據(jù)作為輸出數(shù)據(jù)；
[0014] (3b)對步驟（3a)所得輸入向量和輸出數(shù)據(jù)分別進(jìn)行歸一化處理，得到歸一化輸 入向量和歸一化輸出數(shù)據(jù)，其中歸一化處理的公式為：
【主權(quán)項(xiàng)】
1. 一種基于彈性自適應(yīng)神經(jīng)網(wǎng)絡(luò)的建筑物能耗預(yù)測方法，其特征在于：包括步驟： (la) 選取建筑物能耗的影響因素，采集建筑物能耗影響因素的歷史數(shù)據(jù)和其所對應(yīng)的 建筑物能耗歷史數(shù)據(jù)，根據(jù)季節(jié)劃分為春、夏、秋、冬四組訓(xùn)練樣本集； (lb) 根據(jù)步驟（la)中的建筑物能耗影響因素的歷史數(shù)據(jù)按季節(jié)分別生成輸入向量， W所對應(yīng)的建筑物能耗的歷史數(shù)據(jù)作為輸出數(shù)據(jù)，并對輸入向量和輸出數(shù)據(jù)進(jìn)行歸一化處 理，得到訓(xùn)練樣本； (lc) 利用步驟（lb)所得訓(xùn)練樣本按季節(jié)分別對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練后的 BP神經(jīng)網(wǎng)絡(luò)； (ld) 采集待預(yù)測日的建筑物能耗影響因素?cái)?shù)據(jù)生成預(yù)測輸入向量，進(jìn)行歸一化處理， 得到歸一化處理后的預(yù)測輸入向量； (le) 將步驟（Id)所述歸一化處理后的預(yù)測輸入向量按季節(jié)輸入對應(yīng)的BP神經(jīng)網(wǎng)絡(luò)， 得到建筑物能耗預(yù)測輸出數(shù)據(jù)，預(yù)測輸出數(shù)據(jù)經(jīng)反歸一化處理得到待預(yù)測日的建筑物能耗 預(yù)測值。
2. 根據(jù)權(quán)利要求1所述的一種基于彈性自適應(yīng)神經(jīng)網(wǎng)絡(luò)的建筑物能耗預(yù)測方法，其特 征在于；所述建筑物能耗的影響因素包括；待預(yù)測日前一天用電量、建筑物所在地年人均 可支配收入、待預(yù)測日太陽福射值、待預(yù)測日天氣類型、待預(yù)測日最高氣溫和建筑物面積。
3. 根據(jù)權(quán)利要求1所述一種基于彈性自適應(yīng)神經(jīng)網(wǎng)絡(luò)的建筑物能耗預(yù)測方法，其特征 在于；步驟（lb)具體包括步驟： (3a)利用所得建筑物能耗影響因素的歷史數(shù)據(jù)按季節(jié)分別生成輸入向量，W所對應(yīng)的 建筑物能耗的歷史數(shù)據(jù)作為輸出數(shù)據(jù)； (3b)對步驟（3a)所得輸入向量和輸出數(shù)據(jù)分別進(jìn)行歸一化處理，得到歸一化輸入向 量和歸一化輸出數(shù)據(jù)，其中歸一化處理的公式為：
其中，rii為輸入層節(jié)點(diǎn)數(shù)，X 1，y分別為歸一化處理前歷史輸入向量中第i個(gè)分量和歷 史輸出數(shù)據(jù)，分別為歸一化處理前歷史輸入向量中第i個(gè)分量的最小值和最大 值，分別為歸一化處理前歷史輸出數(shù)據(jù)中的最小值和最大值，兩-、^分別為歸一化 處理后的歷史輸入向量中第i個(gè)分量和歷史輸出數(shù)據(jù)； (3c)保存歸一化處理前歷史輸入向量中各分量的最小值Xi，mi。和最大值X 歷史輸 出數(shù)據(jù)中的最小值ymi。和最大值y may。
4. 根據(jù)權(quán)利要求1所述的一種基于彈性自適應(yīng)神經(jīng)網(wǎng)絡(luò)的建筑物能耗預(yù)測方法，其 特征是：所述步驟（Ic)中采用的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括輸入層，隱含層和輸出層；所述輸入 層節(jié)點(diǎn)數(shù)為6個(gè)，包括待預(yù)測日前一天用電量、建筑物所在地年人均可支配收入、待預(yù)測日 太陽福射值、待預(yù)測日天氣類型、待預(yù)測日最高氣溫和建筑物面積；所述輸出層節(jié)點(diǎn)數(shù)為1 個(gè)，為待預(yù)測日建筑物能耗值；所述隱含層節(jié)點(diǎn)數(shù)m由W下公式確定： m = round + 0.5) ( 3 )
式中，rii為輸入層節(jié)點(diǎn)數(shù)，1為輸出層節(jié)點(diǎn)數(shù)，round0為取整函數(shù)。
5. 根據(jù)權(quán)利要求1所述一種基于彈性自適應(yīng)神經(jīng)網(wǎng)絡(luò)的建筑物能耗預(yù)測方法，其特征 在于；所述步驟（Ic)中采用的BP神經(jīng)網(wǎng)絡(luò)為一種彈性自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)，其學(xué)習(xí)率和權(quán) 值大小按彈性自適應(yīng)規(guī)則進(jìn)行調(diào)整，公式為：
式中，n (n)為第n次的學(xué)習(xí)率，a為大于1的常數(shù)，b為大于0且小于1的常數(shù)，C為 大于1的常數(shù)，E (n)為第n次的神經(jīng)元誤差，由W下公式求得：
(6) 其中；1為輸出層節(jié)點(diǎn)數(shù)，6k(n)為輸出層第k個(gè)神經(jīng)元經(jīng)過n次迭代后的誤差信號，其 求解公式為： ek(n) = dk(n)-mk(n) (7) 其中，dk(n)為輸出層第k個(gè)神經(jīng)元經(jīng)過n次迭代后的期望輸出；化(n)為輸出層第k個(gè) 神經(jīng)元經(jīng)過n次迭代后的實(shí)際輸出； 1<皆">為第i層第j個(gè)神經(jīng)元第n+1次的權(quán)值；Aw；；為第i層第j個(gè)神經(jīng)元第n次的權(quán) 值變化量，求解公式為：
式中，^表示第n次迭代后誤差曲面的梯度方向；AW為第i層第j個(gè)神經(jīng)元第n 次的權(quán)值大小更新值，求解公式為：
6. 根據(jù)權(quán)利要求1所述的一種基于彈性自適應(yīng)神經(jīng)網(wǎng)絡(luò)的建筑物能耗預(yù)測方法，其特 征在于：所述步驟（Id)采集待預(yù)測日的建筑物能耗影響因素?cái)?shù)據(jù)生成預(yù)測輸入向量，進(jìn)行 歸一化處理，歸一化公式為：


(10) 其中，X*巧歸一化處理前的預(yù)測輸入向量中第i個(gè)分量，式t為歸一化處理后預(yù)測輸入 向量中第i個(gè)分量，分別為歸一化處理前歷史輸入向量中第i個(gè)分量的最小值 和最大值。
7.根據(jù)權(quán)利要求1所述的一種基于彈性自適應(yīng)神經(jīng)網(wǎng)絡(luò)的建筑物能耗預(yù)測方法，其特 征在于：步驟（le)中建筑物能耗預(yù)測輸出數(shù)據(jù)經(jīng)反歸一化處理得到待預(yù)測日的建筑物能 耗預(yù)測值，反歸一化處理的公式為：
(11) 戶為經(jīng)BP神經(jīng)網(wǎng)絡(luò)預(yù)測得到的反歸一化處理前的建筑物能耗預(yù)測數(shù)據(jù)，/為反歸一 化處理后的建筑物能耗預(yù)測值，ymi。、y。。,分別為歸一化處理前歷史輸出數(shù)據(jù)中的最小值和 最大值。

【專利摘要】本發(fā)明公開了一種基于彈性自適應(yīng)神經(jīng)網(wǎng)絡(luò)的建筑物能耗預(yù)測方法，包括步驟：選取建筑物能耗影響因素的歷史數(shù)據(jù)生成輸入向量，以其所對應(yīng)的建筑物能耗值的歷史數(shù)據(jù)作為輸出，得到訓(xùn)練樣本；利用所得訓(xùn)練樣本訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)；選取影響建筑物能耗因素的待預(yù)測日的數(shù)據(jù)輸入BP神經(jīng)網(wǎng)絡(luò)，得到建筑物能耗預(yù)測值。本發(fā)明采用BP神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)了建筑物的能耗預(yù)測，針對BP神經(jīng)網(wǎng)絡(luò)易陷入局部極值的缺陷，提出了一種彈性自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)，用于BP神經(jīng)網(wǎng)絡(luò)的權(quán)值校正，較好地解決了BP神經(jīng)網(wǎng)絡(luò)易陷入局部極值的問題，提高了建筑物能耗預(yù)測的精度。
【IPC分類】G06F19-00, G06N3-02
【公開號】CN104598765
【申請?zhí)枴緾N201510084806
【發(fā)明人】薛云燦, 王思睿, 孫德銀, 陳波, 李彬, 李偉
【申請人】常州瑞信電子科技有限公司
【公開日】2015年5月6日
【申請日】2015年2月16日