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