基于相似日LM神经网络的高校图书馆能耗预测

作者：王茜; 于军琪^*

来源：西安建筑科技大学学报(自然科学版), 2022, 54(03): 459-465.

DOI：10.15986/j.1006-7930.2022.03.017

• 能耗预测
• 高校图书馆
• 相似日
• 列文伯格-马夸尔特算法

图书馆在高校建筑中具有非常重要的地位，有较大的节能潜力.然而，近年来对于高校图书馆建筑节能的研究偏少，本文通过提出一种基于相似日LM(Levenberg-Marquardt)神经网络的高校图书馆能耗预测模型，为高校图书馆能耗研究提供参考.以我国某高校图书馆为例，首先通过统计分析的方法得到影响图书馆能耗较为重要的因素，即室内人员、开放策略及气温.然后利用模糊聚类法划分相似日，依据相似日将原有数据进行筛选.接着将处理后的数据对预测模型进行训练.最后将改进后的预测模型与原预测模型的各项指标进行对比分析.依据对比结果可知，改进后模型的平均绝对百分比误差和均方误差分别降低了1.28%和23.06,拟合度提高了0.042 1.

• 单位
  西安建筑科技大学