基于GSA-BP神经网络的室内环境热舒适度预测

作者：王晓辉; 邱映^*; 杨亚龙^*

来源：上海节能, 2021, (10): 1084-1091.

DOI：10.13770/j.cnki.issn2095-705x.2021.10.006

• 热舒适度
• PMV
• 遗传模拟退火算法
• 神经网络

预测平均投票数(PMV)作为室内环境评价指标,在智能家居控制系统中起着重要作用。精准预测PMV值能为空调系统的控制提供可靠的参考数值,不仅能节约能源,同时达到满足人类舒适度要求的目的。针对传统BP神经网络预测方法误差较大的问题,将遗传算法与模拟退火算法两者结合,形成遗传模拟退火算法,寻找BP神经网络的最优权值和阈值,以提高神经网络预测PMV值的精确度。通过仿真实验比较了三种神经网络预测方法,得出基于GSA-BP神经网络的预测方法精度较高,预测误差在0.018之内。

• 单位
  安徽建筑大学; 北京建筑大学