科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了消除主观因素对隐层节点中心向量选择的影响,提高径向基函数RBF（Radial Basis Function）神经网络的预测能力,提出一种引入近邻传播思想的RBF神经网络算法。该算法根据建筑电耗数据的内在规律,利用AP（Affinity Propagation）聚类算法进行聚类处理,获取样本数据的类中心点,并将此作为神经网络的中心向量,同时根据类中心距离设置径向基函数的宽度,利用最小均方误差（LMS）确定网络连接权值。对公共建筑未来40天的用电能耗进行预测,结果表明,较BP神经网络算法和未改进的RBF神经网络算法,该算法的预测精度更高,稳定性更好。
- 单位
