基于改进灰色神经网络的商场冷负荷预测模型研究

摘要

目前,多数在冷负荷的预测模型中,由于预测模型的输入量和输出量的相关性较差、输入变量相互影响,信息冗余度较高,导致模型在预测精度和运算速度等方面均不理想.针对上述问题,首采用主成分分析法筛选出与空调冷负荷相关性高的变量将其作为模型的输入变量,随后使用遗传算法对网络参数进行优化,进而预测冰蓄冷空调系统的动态冷负荷.研究中分别建立三种不同的预测模型进行对比实验,相对于传统神经网络预测模型,改进模型提高了预测精度,加快了预测速度,可以较好地应用于实际项目中.