一种基于PSO-RBF网络算法的热舒适性指标预测新方法

摘要

cqvip:研究了一种新的网络算法,该算法采用粒子群优化(PSO)算法对径向基(RBF)神经网络的权值进行优化,并将这种算法运用于热舒适性指标的预测中,通过建立PMV指标预测模型,实现对PMV指标的智能预测。通过Matlab仿真计算,结果表明,基于粒子群优化的径向基网络(PSO-RBF)的预测方法误差精度更小,较之未优化的RBF网络,误差精度提高了79.5%。采用粒子群优化的径向基网络(PSO-RBF)对PMV指标进行预测是完全可行的,将PSO-RBF算法应用于基于PMV指标的空调系统控制中,可为PMV指标的实时控制打下基础。