神经网络在寒冷地区建筑能耗预测中的应用

摘要

影响建筑能耗的因素很多,并且各自之间存在着非线性和相互耦合的特性,给建筑能耗的准确预测带来了一定困难,而神经网络是提高建筑能耗预测准确程度的重要方法.文章以寒冷地区建筑为例,提出了一种基于神经网络模型的能耗预测方法,从建筑的房间使用功能、室内热扰强度及建筑围护结构热工特性等方面选取16项影响能耗的参数作为神经网络预测模型的输入变量,与网络每层特性相结合,得到神经网络预测模型的结构为16-4-1.用该模型训练学习40组能耗模拟数据,从中选取25％的数据输入到已训练完成的神经网络预测模型中进行验证.结果表明:与DeST软件模拟结果相比,模型预测值的平均误差约为1.4％,从理论上验证了神经网络在建筑能耗预测方面的可行性;选取10栋实际建筑进行全年能耗预测,模型预测结果与能耗实际监测值吻合得较好.