-
题名基于支持向量回归和小波包的供热负荷预测
被引量：11
- 1
-
-
作者
黎展求
朱栋华
刘冬岩
-
机构
沈阳建筑大学
沈阳辰宇建筑有限责任公司
-
出处
《暖通空调》
北大核心
2007年第2期1-5,共5页
-
基金
建设部研究开发项目(编号:06K963)
-
文摘
通过分析影响热网负荷变化的各种因素,对热负荷数据进行预处理,运用小波包变换对负荷序列进行分解,对各子序列分别建立支持向量回归预测模型,最后通过序列重构,得出预测结果。仿真结果表明,该方法比传统BP神经网络和未作小波包分解的支持向量回归法具有更高的预测精度。
-
关键词
供热系统
热负荷预测
支持向量回归
小波包
-
Keywords
heating system, heating load prediction, support vector regression, wavelet packet
-
分类号
TU995.3
[建筑科学—供热、供燃气、通风及空调工程]
-
-
题名基于小波和神经网络的供热负荷预测
被引量：6
- 2
-
-
作者
朱栋华
黎展求
-
机构
沈阳建筑大学信息与控制工程学院
-
出处
《沈阳建筑大学学报（自然科学版）》
EI
CAS
2007年第1期157-160,共4页
-
基金
建设部项目(2003-8)
-
文摘
目的研究供热系统热负荷预测方法,使供热量及时跟随用户需热量进行控制.方法通过分析供热负荷特性及其变化规律,用小波包变换对热负荷序列进行分解,再结合Elman神经网络分别对各序列建立模型,进行单步预测,最后重构各序列,得出热负荷预测序列.结果仿真试验表明,与未采用小波分析的BP、Elman神经网络相比,该方法预测精度较高,跟踪能力强.结论基于小波和神经网络的供热负荷预测方法能较好地跟踪预测用热量,适合于短期供热负荷预测的应用.
-
关键词
供热系统
热负荷预测
小波包分析
ELMAN神经网络
-
Keywords
heating system
thermal load prediction
wavelet packet analysis
Elman neural network
-
分类号
TU995
[建筑科学—供热、供燃气、通风及空调工程]
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
