格式:pdf
大小:1.3MB
頁數: 6頁
建筑能耗數據具有非平穩和非線性特征;單一預測模型很難對其進行精準預測;提出一種用于建筑能耗短期預測的新型混合模型;利用互補集合經驗模態分解方法(CEEMD)將波動性較大的能耗數據分解為一組本征模態函數和一個殘差序列;基于反向學習、差分進化算法并引入控制參數λ對鯨魚優化算法(WOA)進行改進;有效解決算法早熟收斂與陷入局部最優等的問題;提出改進算法UWOA(upgradedwhaleoptimizationalgorithm);利用UWOA優化Elman神經網絡的權值與閾值;優化后的Elman神經網絡對本征模態函數和殘差序列進行預測并集成;得到能耗預測值;應用CEEMD-UWOA-Elman混合模型對上海某大型公共建筑能耗進行短期預測;結果顯示混合模型獲得很好的預測效果;