改进CS优化RBF神经网络的汽车热舒适性预测

作者：徐熊飞; 周晓华^*; 杨艺兴

来源：广西科技大学学报, 2023, 34(04): 111-116.

DOI：10.16375/j.cnki.cn45-1395/t.2023.04.015

• RBF神经网络
• 布谷鸟搜索(CS)算法
• 热舒适性
• 预测误差
• 自适应步长

针对汽车驾驶环境热舒适性指标预测平均热感觉（predicted mean vote,PMV）计算复杂、预测精度不高的问题，提出了改进布谷鸟搜索（cuckoo search,CS）算法优化RBF神经网络的汽车热舒适性预测模型（改进CSRBFNN）。采用自适应步长和高斯扰动因子对CS算法进行改进，并用其对RBF神经网络的中心点c和宽度参数b进行优化。将改进CS-RBFNN与CS-RBFNN和PSO-RBFNN模型的预测结果进行对比，结果表明：改进CSRBFNN模型的均方根误差（root mean square error,RMSE）值分别降低了9.2%和35.5%，具有更高的预测精度。当RBFNN隐含层神经元个数增加时，预测精度有所提高，但收敛速度降低，运行时间变长。

• 单位
  自动化学院; 东风柳州汽车有限公司; 广西科技大学