基于神经网络的建筑能耗混合预测模型
于军琪,杨思远,赵安军,高之坤
Hybrid prediction model of building energy consumption based on neural network
Jun-qi YU,Si-yuan YANG,An-jun ZHAO,Zhi-kun GAO
表 3
TSA-RBF-LSTM模型参数设置
Tab.3
Parameter setting of TSA-RBF-LSTM model
子算法
参数符号
说明
数值
TSA
N
pop
种群规模
50
ST
搜索趋势
0. 1
d
优化维数
n
+(
n
+1)
m
M
iter
最大迭代次数
500
RBF
n
输入层神经元数量
特征数
m
隐含层神经元数量
n
c
中心取值范围
[−5.0,5.0]
b
基宽取值范围
[0. 01,10.00]
w
权值取值范围
[−2.0,2.0]
LSTM
N
IU
输入层神经元数量
特征数
N
HU
隐含层神经元个数
16
N
IU
R
IL
初始学习率
0. 005
M
E
最大训练次数
200