基于RBF神经网络的建筑逐时空调负荷预测模型

华南理工大学学报（自然科学版） ›› 2008, Vol. 36 ›› Issue (10): 25-30.

基于RBF神经网络的建筑逐时空调负荷预测模型

李琼孟庆林

华南理工大学亚热带建筑科学国家重点实验室, 广东广州 510640

收稿日期:2007-12-06 修回日期:2008-02-27 出版日期:2008-10-25 发布日期:2008-10-25
通信作者: 李琼（1980-），女，博士生，主要从事建筑环境与节能研究． E-mail:joanli97@163．com
作者简介:李琼（1980-），女，博士生，主要从事建筑环境与节能研究。
基金资助:
国家自然科学基金重点资助项目（50538040）;国家自然科学基金重大国际（地区）合作研究项目（50720165805）;国家留学基金资助项目（[2006]3037）

Prediction Model of Hourly Air Conditioning Load of Building Based on RBF Neural Network

Li Qiong Meng Qing-lin

State Key Laboratory of Subtropical Building Science, South China University of Technology, Guangzhou 510640, Guangdong, China

Received:2007-12-06 Revised:2008-02-27 Online:2008-10-25 Published:2008-10-25
Contact: 李琼（1980-），女，博士生，主要从事建筑环境与节能研究． E-mail:joanli97@163．com
About author:李琼（1980-），女，博士生，主要从事建筑环境与节能研究。
Supported by:
国家自然科学基金重点资助项目（50538040）;国家自然科学基金重大国际（地区）合作研究项目（50720165805）;国家留学基金资助项目（[2006]3037）

摘要/Abstract

摘要： 分别用径向基函数（RBF）神经网络模型和BP神经网络模型对广州市一栋办公楼和一栋图书馆在夏季不同月份的逐时冷负荷进行训练和预测，发现RBF神经网络模型预测的均方根误差和平均相对误差都仅是BP神经网络方法的64％左右．仿真结果表明，RBF神经网络具有更高的预测精度及更好的泛化能力，是建筑空调负荷预测的一种有效方法．在此基础上，构建了基于RBF神经网络的建筑逐时空调负荷智能预测软件系统．

关键词: 空调负荷, 预测, 径向基函数, 人工神经网络

Abstract:

The summer hourly air conditioning loads of an office building and a library building in Guangzhou are predicted by using the radial basis function （RBF） and the back propagation （BP） neural network models, respectively. It is found that both the root mean square error and the mean relative error of the prediction based on the RBF model are about 64% of those based on the BP model. Simulated results show that the RBF neural network is effective in the prediction of air conditioning load for buildings due to its high accuracy and good generalization ability. The RBF neural network-based software for the prediction of hourly air conditioning load is finally programmed.

Key words: air conditioning load, prediction, radial basis function, artificial neural network

李琼孟庆林. 基于RBF神经网络的建筑逐时空调负荷预测模型[J]. 华南理工大学学报（自然科学版）, 2008, 36(10): 25-30.

Li Qiong Meng Qing-lin. Prediction Model of Hourly Air Conditioning Load of Building Based on RBF Neural Network[J]. Journal of South China University of Technology (Natural Science Edition), 2008, 36(10): 25-30.

[1]	李方, 郭炜森, 张平, 等. 基于时空双细胞状态的轴承剩余使用寿命预测方法[J]. 华南理工大学学报(自然科学版), 2023, 51(9): 69-81.
[2]	魏海斌, 魏东升, 蒋博宇, 等. 基于IPSO-SVR的盾构下穿既有道路沉降预测分析[J]. 华南理工大学学报(自然科学版), 2023, 51(6): 62-71.
[3]	赵建东, 焦岚馨, 赵志敏, 等. 考虑侧向车换道影响的理论和数据组合驱动的车辆跟驰模型[J]. 华南理工大学学报(自然科学版), 2023, 51(6): 10-19.
[4]	林志坚, 丁永强, 杨秀芝, 等. HEVC帧内率失真优化预测模式的并行流水线硬件设计[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 95-103.
[5]	王永岗, 陈俊先, 郑少娅, 等. 道路急弯路段追尾冲突分析预测[J]. 华南理工大学学报(自然科学版), 2023, 51(4): 80-87.
[6]	周楚昊, 林培群, 闫明月. 基于自监督学习的交通数据补全算法[J]. 华南理工大学学报(自然科学版), 2023, 51(4): 101-114.
[7]	王情情, 刘战强, 程延海, 等. 基于多尺度晶粒细化演变的TC4加工表层硬度预测[J]. 华南理工大学学报(自然科学版), 2023, 51(2): 35-46.
[8]	杨旭锋, 刘泽清, 张懿. 基于贝叶斯神经网络的金属材料P-S-N曲线估计[J]. 华南理工大学学报(自然科学版), 2023, 51(11): 82-92.
[9]	陈锋, 毛豪滨, 蔡吉玲, 等. 面向低延时实时视频的多维跨层带宽预测[J]. 华南理工大学学报(自然科学版), 2023, 51(11): 18-27.
[10]	乔冠, 廖荣, 张校民, 姜广君, 马尚君. 循环式行星滚柱丝杠副的疲劳分析与寿命预测[J]. 华南理工大学学报(自然科学版), 2023, 51(11): 131-139.
[11]	王高, 陈晓鸿, 柳宁, 等. 一种基于视角选择经验增强算法的机器人抓取策略[J]. 华南理工大学学报(自然科学版), 2022, 50(9): 126-137.
[12]	侯力玮, 王恒升, 邹浩然. 基于深度学习的玻璃基板铲起过程作用力预测[J]. 华南理工大学学报(自然科学版), 2022, 50(8): 71-81.
[13]	宋建, 王文龙, 李东, 等. 基于Stacking集成学习的注塑件尺寸预测方法[J]. 华南理工大学学报(自然科学版), 2022, 50(6): 19-26.
[14]	杨春玲, 凌茜, 吕泽宇. 特征域多假设预测视频压缩感知重构神经网络[J]. 华南理工大学学报(自然科学版), 2022, 50(6): 80-90.
[15]	赵建东, 朱丹, 刘佳欣. 基于时间序列分解与门控循环单元的地铁换乘客流预测 [J]. 华南理工大学学报(自然科学版), 2022, 50(5): 22-31.