基于MLR-GA-WNN公共建筑能耗预测研究

作者：叶永雪; 马鸿雁^*; 李晟延

来源：计算机仿真, 2023, 40(03): 514-519.

• 数据处理
• 多元线性回归
• 遗传算法
• 小波神经网络
• 能耗预测

为解决现有公共建筑能耗预测中因数据量少、样本维度高导致的精度低、误差大问题，提出一种基于多元线性回归(Multiple linear regression, MLR)与遗传算法(Genetic algorithm, GA)优化小波神经网络(Wavelet neural network, WNN)的建筑能耗预测模型。利用Pearson相关系数分析方法与多元线性回归对历史数据进行预处理，选取相关性强的因素用于GA-WNN模型的训练与测试，构成MLR-GA-WNN建筑能耗预测模型，精度达到了96.4%。仿真结果表明，文中提出的方法不但预测精度优于WNN、GA-WNN、GA-BP与GA-SVM模型，而且仿真运行时长、误差也均小于上述四种模型，验证了提出模型对于公共建筑能耗预测的可行性。

• 单位
  北京建筑大学