基于AP-RBF神经网络的公共建筑用电能耗预测研究

摘要：

为了消除主观因素对隐层节点中心向量选择的影响,提高径向基函数RBF(Radial Basis Function)神经网络的预测能力,提出一种引入近邻传播思想的RBF神经网络算法.该算法根据建筑电耗数据的内在规律,利用AP(Affinity Propagation)聚类算法进行聚类处理,获取样本数据的类中心点,并将此作为神经网络的中心向量,同时根据类中心距离设置径向基函数的宽度,利用最小均方误差(LMS)确定网络连接权值.对公共建筑未来40天的用电能耗进行预测,结果表明,较BP神经网络算法和未改进的RBF神经网络算法,该算法的预测精度更高,稳定性更好.

关键词： 公共建筑 用电能耗 聚类算法 RBF神经网络

作者: 李锋刚 刘青琳 施剑锋

作者单位: 合肥工业大学 过程优化与智能决策教育部重点实验室 安徽 合肥 230009;安徽省安泰科技股份有限公司 安徽 合肥 230009 安徽省安泰科技股份有限公司 安徽 合肥 230009

会议类型: 国内会议

会议名称: 第十二届(2017)中国管理学年会

会议地点: 天津

会议语种:中文

页码: 1-9

在线出版日期: 2017-10-28（万方平台首次上网日期，不代表论文的发表时间）