基于相空间重构技术的ANN预测方法及在空调负荷预测中的应用

摘要

提高神经网络模型预测精度将大大提高神经网络的实际应用价值,特别是在小样本条件下.提出了一种基于相空间重构的神经网络预测模型.对其在空调负荷预测中的应用进行了尝试,并研究了两个重构参数,嵌入维数m和延迟时间τ,对模型预测精度的影响.当其中一个重构参数保持在合适值不变而另一个变化时,只有在这个变化的参数值也选取合适,预测误差才最小.结果表明,基于相空间重构的神经网络预测模型,平均绝对百分比误差是0.5％,均方根误差是0.05,而单独利用神经网络的预测模型,相同训练精度时,平均绝对百分比误差是6.8％,均方根误差是0.62.结合相空间重构的神经网络预测模型显著地提高了预测精度.