首页|改进的深度回声网络在空调负荷预测中的应用

改进的深度回声网络在空调负荷预测中的应用

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
针对深度回声状态网络的输入权值随意性太大、中间状态数量庞大、关键参数凑试决定等问题,运用灰色关联度计算属性间的相关性从而确定输入权值.采用聚类算法简化中间状态,并用坐标轮换法搜索最佳的深度网络层数和储备池个数,对算法进行改进.通过UCI标准数据集的实验,发现改进后的算法提升了预测精度和速度.采用改进的深度回声网络预测卷烟厂空调负荷,通过当前时刻的内外部条件,解决由于负荷数据周期性波动所造成的预测效率低的问题,及时准确地预测出了下一时刻的空调负荷,提前对冷水机组的运行策略进行了调节,从而达到空调节能的目的.
Application of an improved deep echo network in air conditioning load forecasting

王永海、李云峰、董军、关爱章、王华秋、向力

展开 >

湖北中烟工业有限责任公司襄阳卷烟厂,湖北 襄阳 441000

重庆理工大学 两江人工智能学院,重庆 401135

重庆太和空调自控有限公司,重庆 400030

深度回声状态网络 灰色关联度 聚类 坐标轮换法 空调负荷预测

国家科技部重点研发计划重庆市科委一般自然科学基金

2018YFB1700803cstc2019jcyjmsxmX0500

2023

10.3969/j.issn.1674-8425(z).2023.06.029

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2023.37(11)
  • 2
  • 7