基于BP神经网络的城市建筑热环境研究
(0) 本文针对现代城市中越来越严重的热岛现象与能源问题，首先分析了北京市近60 年的温度资料，可知60 年来城区内的年平均温度升高了2.28°C，温度增幅为0.38°C/10a。而后综合考虑城市建筑热环境的各种影响因素，利用BP 神经网络技术建立了城市尺度下针对建筑热环境温度的预测模型，并对以往的数学模型和计算方法进行了改进。在改进后的预测模型中，通过枚举法选择隐含层最佳神经元个数，用贝叶斯正规化算法进行了网络训练：与BP 神经网络基本的L-M 优化算法相比，该算法有较高的泛化能力和准确性，更适用于这一问题的研究。
城市建筑 热环境 温度增幅 BP神经网络 预测模型
李宁 陈定艺 刘金祥 陈晓春 丁高
中国建筑设计咨询公司 南京工业大学
国内会议
杭州
中文
3517-3521
2010-11-09（万方平台首次上网日期，不代表论文的发表时间）