改進鯨魚算法構(gòu)建混合模型的建筑能耗預(yù)測

為克服傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)方法在建筑能耗預(yù)測的不足,提出了一種基于時間序列自相關(guān)分析的人工魚群神經(jīng)網(wǎng)絡(luò)預(yù)測模型。對建筑標準能耗進行自相關(guān)分析,確定輸入變量的維數(shù),結(jié)合人工魚群算法尋優(yōu)速度快、易跳出極值等優(yōu)點,對bp神經(jīng)網(wǎng)絡(luò)的初值權(quán)值和閾值進行優(yōu)化,建立能耗預(yù)測模型,并用模型對西安某高校建筑一個月的能耗值進行預(yù)測。結(jié)果表明,較傳統(tǒng)的bp神經(jīng)網(wǎng)絡(luò)模型,人工魚群神經(jīng)網(wǎng)絡(luò)預(yù)測模型具有更快的收斂速度,預(yù)測精度在±1%左右,預(yù)測誤差隨著迭代次數(shù)的增加而降低。

建立了基于energyplus的天津市cbd建筑能耗預(yù)測模型,對影響該市cbd建筑能耗的設(shè)計參數(shù)進行了靈敏性分析,選定其中9個關(guān)鍵設(shè)計參數(shù),建立了天津市小白樓cbd建筑年總能耗的預(yù)測回歸模型并進行了驗證。研究結(jié)果顯示,照明功率密度、設(shè)備功率密度、窗墻比等參數(shù)對cbd建筑總能耗影響較大,天津市cbd能耗預(yù)測回歸模型r~2為0.966,估計標準偏差為1.122w/m~2；能耗預(yù)測值與模擬值的最大偏差分別為-12.813%和-7.063%。

通過研究分析夏熱冬冷地區(qū)公共建筑能耗變化特點,建立了rbf神經(jīng)網(wǎng)絡(luò)建筑能耗預(yù)測模型。在此基礎(chǔ)上運用微粒群算法對模型優(yōu)化,建立了基于pso-rbf的建筑能耗預(yù)測模型。利用大量數(shù)據(jù)構(gòu)造樣本集,運用軟件分別對優(yōu)化前后的預(yù)測模型進行訓(xùn)練,并運用到典型公共建筑能耗值的預(yù)測實例中。結(jié)果表明基于pso-rbf的建筑能耗預(yù)測模型的學(xué)習(xí)能力和預(yù)測能力強,能較準確地實現(xiàn)公共建筑能耗預(yù)測。

為降低建筑能耗影響因素間復(fù)雜相關(guān)性對模型性能的影響,建立了一種基于kpcawlssvm的建筑能耗預(yù)測模型。利用核主元分析(kpca)對輸入變量進行數(shù)據(jù)壓縮,消除變量之間的相關(guān)性,簡化模型結(jié)構(gòu);進一步采用加權(quán)最小二乘支持向量機(wlssvm)方法建立建筑能耗預(yù)測模型,同時結(jié)合一種新型混沌粒子群-模擬退火混合優(yōu)化(cpso-sa)算法對模型參數(shù)進行優(yōu)化,以提高模型的預(yù)測性能及泛化能力。通過將kpca-wlssvm模型方法應(yīng)用于某辦公建筑能耗的預(yù)測中,并與wlssvm、lssvm及rbfnn模型相比,實驗結(jié)果表明,kpca-wlssvm模型方法能有效提高建筑能耗預(yù)測精度。

建筑能耗分析是建筑節(jié)能設(shè)計的關(guān)鍵環(huán)節(jié),傳統(tǒng)建筑能耗分析往往時間上存在滯后性、分析結(jié)果粗糙、精度低?；赽im平臺建立了大連市某高校教學(xué)樓的建筑信息模型,通過dynamo可視化編程實現(xiàn)了對建筑信息模型外圍護結(jié)構(gòu)參數(shù)的自動設(shè)置和提取。通過greenbuildingstudio的web端獲取建筑能耗模擬云計算基礎(chǔ)數(shù)據(jù)并進行能耗定量研究與回歸分析。基于計量經(jīng)濟學(xué)一般方法,建立了年度耗電量和燃料使用量能耗計算模型并進行驗證。結(jié)果表明,能耗計算方程準確性較高,誤差率分別在5%和3.8%以內(nèi)。該模型計算建筑能耗方便快捷,可操作性強,可用于建筑設(shè)計階段寒冷地區(qū)的能耗計算,為能耗分析和建筑節(jié)能定量評價提供參考。

建筑能耗分析是建筑節(jié)能設(shè)計的關(guān)鍵環(huán)節(jié),傳統(tǒng)建筑能耗分析往往時間上存在滯后性、分析結(jié)果粗糙、精度低.基于bim平臺建立了大連市某高校教學(xué)樓的建筑信息模型,通過dynamo可視化編程實現(xiàn)了對建筑信息模型外圍護結(jié)構(gòu)參數(shù)的自動設(shè)置和提取.通過greenbuildingstudio的web端獲取建筑能耗模擬云計算基礎(chǔ)數(shù)據(jù)并進行能耗定量研究與回歸分析.基于計量經(jīng)濟學(xué)一般方法,建立了年度耗電量和燃料使用量能耗計算模型并進行驗證.結(jié)果表明,能耗計算方程準確性較高,誤差率分別在5％和3.8％以內(nèi).該模型計算建筑能耗方便快捷,可操作性強,可用于建筑設(shè)計階段寒冷地區(qū)的能耗計算,為能耗分析和建筑節(jié)能定量評價提供參考.

為提高大型公共建筑能耗的預(yù)測精度,提出一種基于灰色模型和最小二乘向量機方法(gm-lssvm)的辦公能耗預(yù)測模型.該方法結(jié)合灰色建模計算簡單的特點,以及最小二乘支持向量機非線性擬合能力和泛化能力強的優(yōu)勢,充分發(fā)掘樣本數(shù)據(jù)的規(guī)律,并以粒子群優(yōu)化算法進行模型參數(shù)選擇.根據(jù)福州某大型公共建筑能耗數(shù)據(jù),通過本研究提出的方法建立預(yù)測模型,并與神經(jīng)網(wǎng)絡(luò)模型以及最小二乘支持向量機模型的預(yù)測結(jié)果進行比較,驗證了該方法具備較高的預(yù)測精度和較強的泛化能力.

針對傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)存在收斂速度慢和容易陷入局部極小值缺點,影響建筑能耗預(yù)測精度的問題,引入adaboost算法對bp神經(jīng)網(wǎng)絡(luò)進行改良,提出一種基于bp-adaboost算法的建筑能耗預(yù)測方法。該方法充分結(jié)合bp神經(jīng)網(wǎng)絡(luò)良好學(xué)習(xí)能力和adaboost算法預(yù)測精度高的優(yōu)點,通過adaboost算法將bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練所得的弱預(yù)測器組合集成為bp-adaboost強預(yù)測器,完成對建筑能耗的預(yù)測。案例仿真結(jié)果表明:與傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)預(yù)測比較,該算法預(yù)測速度快、預(yù)測精度較高,其預(yù)測結(jié)果可為建筑節(jié)能方案的實施提供參考依據(jù)。

提出一種基于q-learning算法的建筑能耗預(yù)測方法.通過將建筑能耗預(yù)測問題建模為一個標準的馬爾科夫決策過程,利用深度置信網(wǎng)對建筑能耗進行狀態(tài)建模,結(jié)合q-learning算法,實現(xiàn)對建筑能耗的實時預(yù)測.通過美國巴爾的摩燃氣和電力公司公開的建筑能耗數(shù)據(jù)進行測試實驗,結(jié)果表明,基于本文所提出的模型,利用qlearning算法可以實現(xiàn)對建筑能耗的有效預(yù)測,并在此基礎(chǔ)上,基于深度置信網(wǎng)的q-learning算法具有更高的預(yù)測精度.此外,實驗部分還進一步驗證了算法中相關(guān)參數(shù)對實驗性能的影響.

針對建筑運行中管理粗放、使用中能源浪費的問題,提出了基于支持向量機的能耗預(yù)測與異常診斷方法,為大型公共建筑節(jié)能提供理論支撐與實現(xiàn)路徑。由于大型公共建筑具有極大的單位面積耗能量而得到廣泛的關(guān)注。本文針對大型公共建筑能耗特點,從歷史能耗數(shù)據(jù)、氣候因素、時間周期因素三個方面選取11個輸入?yún)?shù)作為樣本特征,構(gòu)建基于支持向量機的大型公共建筑能耗預(yù)測模型,對建筑逐日能耗展開預(yù)測。在能耗預(yù)測基礎(chǔ)上,以測試集平均相對誤差與最大誤差作為判定標準進行能耗異常診斷,將該方法應(yīng)用于夏季空調(diào)系統(tǒng)能耗異常診斷中,通過能耗預(yù)測值與實際值的對比,發(fā)現(xiàn)了空調(diào)系統(tǒng)運行中存在的不合理使用現(xiàn)象,為建筑節(jié)能管理運行提供參考。

針對建筑運行中管理粗放、使用中能源浪費的問題,提出了基于支持向量機的能耗預(yù)測與異常診斷方法,為大型公共建筑節(jié)能提供理論支撐與實現(xiàn)路徑。由于大型公共建筑具有極大的單位面積耗能量而得到廣泛的關(guān)注。本文針對大型公共建筑能耗特點,從歷史能耗數(shù)據(jù)、氣候因素、時間周期因素三個方面選取11個輸入?yún)?shù)作為樣本特征,構(gòu)建基于支持向量機的大型公共建筑能耗預(yù)測模型,對建筑逐日能耗展開預(yù)測。在能耗預(yù)測基礎(chǔ)上,以測試集平均相對誤差與最大誤差作為判定標準進行能耗異常診斷,將該方法應(yīng)用于夏季空調(diào)系統(tǒng)能耗異常診斷中,通過能耗預(yù)測值與實際值的對比,發(fā)現(xiàn)了空調(diào)系統(tǒng)運行中存在的不合理使用現(xiàn)象,為建筑節(jié)能管理運行提供參考。

提出一種粒子群算法優(yōu)化的最小二乘支持向量機回歸模型(pso-ls-svmr),以實現(xiàn)對公共建筑能耗的短期預(yù)測。采用某大型公共建筑物連續(xù)31期的用電量及所在地區(qū)相關(guān)天氣指標的實測數(shù)據(jù),分別運用pso-ls-svmr模型和lmbp神經(jīng)網(wǎng)絡(luò)模型對其建筑能耗進行短期預(yù)測,并對預(yù)測結(jié)果展開深入研究。研究結(jié)果表明,提出的pso-ls-svmr模型在對樣本內(nèi)數(shù)據(jù)和樣本外數(shù)據(jù)的預(yù)測上均取得了較好效果,可以滿足公共建筑能耗短期預(yù)測的實際需要,為建筑節(jié)能管理提供理論支持與決策參考。

我國民用建筑數(shù)量巨大,民用建筑能耗增長迅速,2009年底已占全社會終端能耗的30%以上,未來隨著經(jīng)濟的發(fā)展和城鎮(zhèn)化進程的不斷加快,人民生活水平的日益提高,這種快速增長的態(tài)勢仍將持續(xù)一段時間。民用建筑能耗的巨大需求將會對我國的能源供應(yīng)、能源安全和資源環(huán)境形成巨大壓力。在這種背景下,科學(xué)、合理的預(yù)測民用建筑能耗,對于適應(yīng)未來民用建筑能耗的發(fā)展需求,實現(xiàn)我國的節(jié)能減排目標具有重要意義。文章應(yīng)用計量經(jīng)濟學(xué)中的協(xié)整理論,構(gòu)建了民用建筑能耗的協(xié)整分析預(yù)測模型,研究了民用建筑能耗及其影響因素的長期均衡關(guān)系。

規(guī)范型建筑能耗模型是一種基于國際能耗規(guī)范對建筑能耗現(xiàn)狀進行評價、分析的方法.相比于詳細建筑模型軟件(如energyplus),規(guī)范型建筑能耗模型具有建模快、速度快等優(yōu)勢.基于規(guī)范型建筑能耗模型,對中國石油大學(xué)(華東)某辦公樓的能耗現(xiàn)狀進行分析,并對節(jié)能方案進行評估.結(jié)果表明,規(guī)范型建筑能耗模型對于我國辦公樓的能耗分析具有較好的應(yīng)用前景.

建筑的能耗受到如季節(jié)、建筑的構(gòu)造結(jié)構(gòu)等多種因素的影響,目前對一棟建筑樓實現(xiàn)能耗預(yù)測往往采用單一模型,往往無法得到相對準確的結(jié)果.為了更好地描述建筑能耗規(guī)律,以南方某地為研究區(qū)域提出一種基于arima和bp神經(jīng)網(wǎng)絡(luò)的復(fù)合模型,模型的實例數(shù)據(jù)來源為南方某地某市政辦公樓近兩年的能耗月數(shù)據(jù).首先,通過arima建模得到能耗值的擬合誤差序列,再用bp模型修正誤差值得到最終預(yù)測值.結(jié)果表明:復(fù)合預(yù)測模型的平均相對誤差為0.2783%,而單一模型則高達2.6578%,復(fù)合模型的預(yù)測效果遠優(yōu)于單一模型,為準確實現(xiàn)建筑節(jié)能提出了一種新思路.

在對snake模型研究的基礎(chǔ)上,結(jié)合建筑物群在移位中的特點,從2個方面對snake模型進行改進:首先,在snake模型中加強對齊排列建筑物群這一重要空間特征的識別,以便保持對齊排列建筑物群在移位前后不變;其次,針對傳統(tǒng)snake模型有時無法解決兩個建筑物空間沖突的缺點,對街區(qū)中的建筑物群實行分層次移位,先將有沖突的兩個建筑物作為整體,與剩余其它建筑物利用snake模型一起移位,然后再根據(jù)文中提出的建筑物間相互沖突的4種受力模型,進行建筑物間空間沖突的移位。最后利用改進的snake模型進行移位實驗和分析。

本文利用灰關(guān)聯(lián)分析法,對影響辦公建筑能耗的8個不可控因素進行了排序與篩選,確定了5個顯著不可控影響因素,利用此5個因素與建筑總能耗之間的關(guān)聯(lián)系數(shù)對樣本建筑進行了聚類分析,得到了基于不可控影響因素相似性的建筑能耗分類模型,確定了能耗基準參考值.通過對建筑分項能耗的進一步分析,結(jié)合建筑可控影響因素的調(diào)研結(jié)果,進一步明確了具備節(jié)能潛力的樣本建筑,提出了一套完善的建筑能耗基準確定及用能水平評價方法.

城市建筑在能耗節(jié)約的探索與實踐中,摸索出基于多元線性回歸模型的建筑能耗預(yù)測與建筑節(jié)能分析模型,其以建筑類型、面積、使用人數(shù)等為參數(shù),是利用多元線性回歸模型對能耗提出的預(yù)測分析方法.最終達到燃氣和電力的節(jié)能目的.通過這一預(yù)測模型可以對建筑的節(jié)能潛力加以評估.

混合模型在大壩變形監(jiān)測中的應(yīng)用——基于有限元法與實測值進行優(yōu)化擬合建立了大壩變形監(jiān)測的混合模型，通過對大壩水平位移單測點和撓曲線的監(jiān)測，分析了該壩的變形性態(tài)。從混合模型的分析結(jié)果可以看出，大壩水平位移的變化規(guī)律總體上正常?！　?/p>

辦公建筑在民用建筑中占很大的比例,影響辦公建筑能耗的因子種類多,變量之間相關(guān)性強。利用pca算法,對影響辦公建筑能耗的主要影響因子進行了主成分提取分析,以主成分累計貢獻率達85%為確定標準,最終達到矢量降維的目的,便于后期構(gòu)建影響因子與建筑能耗的關(guān)聯(lián)性。這對于降低辦公建筑的能耗有一定參考價值。

選用5個氣象參數(shù)作為模擬量建立了逐日氣象參數(shù)的模擬模型,通過平穩(wěn)化變換將模擬量變換成平穩(wěn)時間序列,采用混合回歸模型進行了逐日量的模擬,根據(jù)模擬得出的逐日參數(shù)建立了逐時氣象參數(shù)的模擬模型,用逐日、逐時模型對徐州地區(qū)的氣象參數(shù)進行了模擬。

傳統(tǒng)的bin模型在評價建筑全年能耗時是穩(wěn)態(tài)計算，只考慮對溫度劃分頻段，認為太陽輻射負荷與溫度成線性關(guān)系，精確度較低。為了提高bin模型在建筑能耗評價中的準確性，主要對目前傳統(tǒng)的bin法進行改進，在對溫度劃分頻段時對含濕量也劃分了頻段，形成了溫濕度頻段，并且認為太陽輻射量不與室外溫度成線性關(guān)系，對太陽輻射所造成的負荷重新進行計算。提出的改進方法可以使溫濕度頻段劃分得更加精確，減小bin模型進行能耗評價時的誤差，通過對透過玻璃窗的日射得熱、圍護結(jié)構(gòu)不穩(wěn)定傳熱、室內(nèi)散熱源的改進，以及對含濕量劃分頻段，獲得newmodifiedbin法（簡稱nm-bin法）。采用nm-bin法和energyplus對熱濕地區(qū)建筑能耗進行了能耗模擬，并將模擬結(jié)果與建筑實測能耗進行了對比。結(jié)果顯示，nm-bin和energyplus的模擬結(jié)果與建筑實測能耗的相對誤差分別為3.92%和1.45%，即nm-bin和energyplus的模擬結(jié)果只差2.43%。該結(jié)果表明新改進的nm-bin法具有較好的準確度。由于nm-bin無需復(fù)雜建模，方便手算，因此具有更好的工程實用性。