龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：西安建筑科技大学
摘要：本发明公开了一种基于SBO优化CNN的高层住宅建筑群热负荷预测方法及系统，基于高层住宅建筑群将室外干球温度、相对湿度、风速、建筑体形系数、建筑高度和窗墙面积比6个影响因素作为预测模型输入，采用Lasso回归模型筛选出显著相关的输入变量。然后使用卷积神经网络构建预测模型，利用SBO迭代生成的最优个体对CNN卷积层过滤器数量和Dropout层概率进行优化，进而提高CNN模型的预测精度。本发明可直接用于住宅建筑群的热负荷预测，使得节约预测成本、提高预测精度以优化室内舒适度和能源节约；满足小区级换热站及输配管网按需供热调控需要，实现对区域供暖系统的节能优化控制，同时也能够协助建筑设计师基于预测热负荷对建筑结构进行优化以及节能改造。
主权项：1.基于SBO优化CNN的高层住宅建筑群热负荷预测方法，其特征在于，包括以下步骤：S1、基于高层住宅建筑群，将气象参数和建筑体形参数作为热负荷预测模型的输入量进行分析，并收集历史逐时热负荷数据、对应的逐时气象参数和住宅建筑参数作为原始数据集；采用Lasso回归模型对收集的原始数据集的输入变量进行筛选，选取与热负荷显著相关的影响因素作为模型输入，得到最终数据集；S2、使用CNN网络构建热负荷预测模型；S3、利用元启发式优化算法SBO生成的初始种群x1,x2,x3对步骤S2构建的热负荷预测模型的过滤器数量和Dropout层概率进行优化，基于步骤S1得到的最终数据集进行训练和测试，计算系统误差MSE；S4、以步骤S3中的系统误差MSE作为目标函数，利用元启发式优化算法SBO的全局寻优能力寻找最优个体并返回到热负荷预测模型，构建新的热负荷预测模型；基于步骤S1得到的最终数据集对构建的新热负荷预测模型进行效果评价，完成Lasso-SBO-CNN预测模型建立，根据Lasso-SBO-CNN预测模型得到对应时间段的逐时预测热负荷序列，实现住宅建筑群热负荷预测。
全文数据：
权利要求：
百度查询： 西安建筑科技大学 一种基于SBO优化CNN的高层住宅建筑群热负荷预测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号