【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及室內(nèi)環(huán)境控制，尤其涉及一種室內(nèi)熱舒適性及能耗多尺度預(yù)測方法。
技術(shù)介紹
1、隨著經(jīng)濟的快速增長和生活水平的不斷提高，人們對建筑熱環(huán)境的要求越來越高，對室內(nèi)熱舒適性的要求也進一步提高，空調(diào)行業(yè)的市場空間不斷擴大，必然需要潛在的能源浪費。此外，由于室內(nèi)的類型和空間不同，人們對熱舒適性的要求也不同，如果采用統(tǒng)一的制冷/供暖標(biāo)準(zhǔn)，勢必會造成巨大的能源浪費。在室內(nèi)空調(diào)中，空調(diào)系統(tǒng)通常需要消耗大量的能量來維持室內(nèi)的熱舒適性。為了實現(xiàn)熱舒適性和節(jié)能的優(yōu)化，建立有效的空調(diào)負荷熱參數(shù)模型可以更好地反映熱環(huán)境與能耗之間的關(guān)系，這是實現(xiàn)熱舒適度和節(jié)能優(yōu)化的關(guān)鍵前提。為了控制室內(nèi)空調(diào)的熱舒適性和能耗，有必要及時準(zhǔn)確地掌握建筑熱環(huán)境和能源使用的實際情況，預(yù)測結(jié)果可以為保證良好的熱舒適度和降低能耗提供理論依據(jù)。
2、由于室內(nèi)類型的多樣性、結(jié)構(gòu)的復(fù)雜性和人們使用的隨機性，熱舒適性和能耗預(yù)測很困難。從已有的研究成果來看，已建立的空調(diào)系統(tǒng)熱舒適性的預(yù)測模型，取得了較高的預(yù)測精度。然而，能源消耗預(yù)測并沒有同時考慮，并且針對熱舒適性的室內(nèi)空調(diào)能耗預(yù)測研究相對較少，大多是單一的預(yù)測模型，而且具有諸如精度精度和一般泛化能力的有限提高之類的局限性。因此，針對上述問題有必要建立一種考慮熱舒適度和能耗的預(yù)測模型。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的是提供一種室內(nèi)熱舒適性及能耗多尺度預(yù)測方法，構(gòu)建了疊加多模型融合的預(yù)測模型，發(fā)揮了單一預(yù)測模型的優(yōu)勢，有效地掌握室內(nèi)空調(diào)的熱舒適性和能耗，為確定最佳通風(fēng)時間和
2、為實現(xiàn)上述目的，本專利技術(shù)提供了一種室內(nèi)熱舒適性及能耗多尺度預(yù)測方法，包括以下步驟：
3、s1、構(gòu)造brushlet支持向量機bsvm模型；
4、s2、設(shè)計shearlet神經(jīng)網(wǎng)絡(luò)snn模型；
5、s3、基于xgboost算法xgba進行結(jié)果預(yù)測；
6、其中，疊加多模型融合分為第一網(wǎng)絡(luò)結(jié)構(gòu)和第二網(wǎng)絡(luò)結(jié)構(gòu)；所述第一網(wǎng)絡(luò)結(jié)構(gòu)包括三個模型，即brushlet支持向量機bsvm、shearlet神經(jīng)網(wǎng)絡(luò)snn和xgboost算法xgba；
7、首先，將第一網(wǎng)絡(luò)結(jié)構(gòu)得到的預(yù)測結(jié)果輸入到第二網(wǎng)絡(luò)結(jié)構(gòu)中；其次，第二網(wǎng)絡(luò)結(jié)構(gòu)中的元學(xué)習(xí)器應(yīng)用線性回歸算法對第一網(wǎng)絡(luò)結(jié)構(gòu)的預(yù)測結(jié)果進行積分和收斂；最后，將第二網(wǎng)絡(luò)結(jié)構(gòu)的預(yù)測結(jié)果作為整個模型的輸出結(jié)果。
8、優(yōu)選的，在步驟s1構(gòu)造bsvm模型中，bsvm的線性回歸函數(shù)，如下所示：
9、
10、其中，訓(xùn)練樣本由定義，是n維輸入向量，yi是相應(yīng)的輸出向量，n是樣本數(shù)，是非線性變換映射函數(shù)，是權(quán)向量，d是偏移。
11、優(yōu)選的，bsvm的目標(biāo)優(yōu)化函數(shù)，如下所示：
12、
13、約束條件，如下所示：
14、
15、式中，ρ表示正則項系數(shù)，εi表示松弛因子。
16、優(yōu)選的，采用拉格朗日乘子法求解函數(shù)的最小值：
17、
18、其中，βi是拉格朗日乘子。
19、優(yōu)選的，bsvm的回歸模型，如下所示：
20、
21、優(yōu)選的，在步驟s2中，設(shè)計shearlet神經(jīng)網(wǎng)絡(luò)模型，如下所示：
22、
23、其中，x1,x2,...,xn為輸入變量，為輸出變量，是shearelet基函數(shù)，用作隱藏層的激活函數(shù)，ωij是輸入層和隱藏層之間的權(quán)重，ωjk是隱藏層和輸出層之間的權(quán)值，μi是擴展因子，σi是平移因子，σ(i)為隱藏層中第i?th個節(jié)點的輸出值；
24、其中，shearlet神經(jīng)網(wǎng)絡(luò)采用緊湊結(jié)構(gòu)，分為輸入層、隱藏層和輸出層三個層次。
25、優(yōu)選的，在步驟s3中，xgba的原始模型，如下所示：
26、
27、其中，是預(yù)測值，l是樹的數(shù)量，gl是與樹結(jié)構(gòu)和葉重相關(guān)的函數(shù)，xi是第i個輸入數(shù)據(jù)，g是函數(shù)空間。
28、優(yōu)選的，xgba迭代前的目標(biāo)函數(shù)，如下所示：
29、
30、其中，是訓(xùn)練損失函數(shù)，它是模型在訓(xùn)練集上的擬合度，yi是實值，是第t迭代中的預(yù)測值，是正則化項。
31、因此，本專利技術(shù)采用上述一種室內(nèi)熱舒適性及能耗多尺度預(yù)測方法，構(gòu)建了疊加多模型融合的預(yù)測模型，發(fā)揮了單一預(yù)測模型的優(yōu)勢，有效地掌握室內(nèi)空調(diào)的熱舒適性和能耗，為確定最佳通風(fēng)時間和風(fēng)量提供合適的理論依據(jù)，從而使空調(diào)系統(tǒng)在為室內(nèi)人員提供更好熱舒適性的同時，能夠獲得更好的節(jié)能效果。
32、下面通過附圖和實施例，對本專利技術(shù)的技術(shù)方案做進一步的詳細描述。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.一種室內(nèi)熱舒適性及能耗多尺度預(yù)測方法，其特征在于：包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種室內(nèi)熱舒適性及能耗多尺度預(yù)測方法，其特征在于，在步驟S1構(gòu)造BSVM模型中，BSVM的線性回歸函數(shù)，如下所示：
3.根據(jù)權(quán)利要求2所述的一種室內(nèi)熱舒適性及能耗多尺度預(yù)測方法，其特征在于，BSVM的目標(biāo)優(yōu)化函數(shù)，如下所示：
4.根據(jù)權(quán)利要求3所述的一種室內(nèi)熱舒適性及能耗多尺度預(yù)測方法，其特征在于，采用拉格朗日乘子法求解函數(shù)的最小值：
5.根據(jù)權(quán)利要求4所述的一種室內(nèi)熱舒適性及能耗多尺度預(yù)測方法，其特征在于，BSVM的回歸模型，如下所示：
6.根據(jù)權(quán)利要求1所述的一種室內(nèi)熱舒適性及能耗多尺度預(yù)測方法，其特征在于，在步驟S2中，設(shè)計Shearlet神經(jīng)網(wǎng)絡(luò)模型，如下所示：
7.根據(jù)權(quán)利要求1所述的一種室內(nèi)熱舒適性及能耗多尺度預(yù)測方法，其特征在于，在步驟S3中，XGBA的原始模型，如下所示：
8.根據(jù)權(quán)利要求7所述的一種室內(nèi)熱舒適性及能耗多尺度預(yù)測方法，其特征在于，XGBA迭代前的目標(biāo)函數(shù)，如下所示：
【技術(shù)特征摘要】
1.一種室內(nèi)熱舒適性及能耗多尺度預(yù)測方法，其特征在于：包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種室內(nèi)熱舒適性及能耗多尺度預(yù)測方法，其特征在于，在步驟s1構(gòu)造bsvm模型中，bsvm的線性回歸函數(shù)，如下所示：
3.根據(jù)權(quán)利要求2所述的一種室內(nèi)熱舒適性及能耗多尺度預(yù)測方法，其特征在于，bsvm的目標(biāo)優(yōu)化函數(shù)，如下所示：
4.根據(jù)權(quán)利要求3所述的一種室內(nèi)熱舒適性及能耗多尺度預(yù)測方法，其特征在于，采用拉格朗日乘子法求解函數(shù)的最小值：
5.根據(jù)權(quán)利要...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：計明宇，趙斌，
申請(專利權(quán))人：遼寧石油化工大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。