基于粒子群优化支持向量机的建筑室内温度预测模型

摘要

建筑系统是一个滞后系统，对下一时刻室内温度的预测可以指导楼宇阀门的开关，从而在保证用户热舒适性的同时节约能源。但是，建筑室内温度受室外气象因素、历史温度等多种非线性因素的影响，机理建模困难。针对以上问题，先确定输入、输出样本，建立支持向量机模型；然后采用粒子群优化（PSO）算法对SVM的核参数和惩罚因子进行动态寻优，建立PSO-SVM预测模型；最后，在MATLAB实验平台上进行仿真实验。实验结果表明，经过粒子群优化的支持向量机预测模型的精度提高至0.6%，可以准确指导楼宇阀门的开关。