亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        熱力站日供熱量神經(jīng)網(wǎng)絡(luò)預(yù)測模型比較與分析

        2023-02-10 02:55:46王嘉明
        煤氣與熱力 2023年1期
        關(guān)鍵詞:供熱量方根神經(jīng)元

        田 野,李 銳,董 妍,王嘉明

        (1.北京建筑大學(xué) 環(huán)境與能源工程學(xué)院,北京 100044; 2.北京市熱力集團(tuán)有限責(zé)任公司,北京 100026)

        1 概述

        精準(zhǔn)預(yù)測熱力站日供熱量,無論對節(jié)能減排還是對提升供熱質(zhì)量,都具有重要意義。許多學(xué)者提出了不同預(yù)測方法,如灰色預(yù)測法、回歸分析法、神經(jīng)網(wǎng)絡(luò)法等[1]。神經(jīng)網(wǎng)絡(luò)預(yù)測作為一種預(yù)測方法已經(jīng)被大量應(yīng)用于熱負(fù)荷預(yù)測,神經(jīng)網(wǎng)絡(luò)的特點(diǎn)是無需建立復(fù)雜的輸入輸出關(guān)系,在非線性問題的處理上表現(xiàn)更好[2]。康勝文[3]在進(jìn)行熱負(fù)荷預(yù)測時(shí),比較了回歸分析法與神經(jīng)網(wǎng)絡(luò)法,認(rèn)為神經(jīng)網(wǎng)絡(luò)法更具有優(yōu)勢。宋軍等人[4]通過研究分析指出,BP神經(jīng)網(wǎng)絡(luò)基本滿足了短期熱負(fù)荷預(yù)測的要求。李思琦等人[5]改進(jìn)了神經(jīng)網(wǎng)絡(luò),得到了更加精確的熱負(fù)荷預(yù)測模型。

        本文以北京某熱力站運(yùn)行數(shù)據(jù)、氣象參數(shù)為樣本,采用BP神經(jīng)網(wǎng)絡(luò),建立日供熱量預(yù)測模型,對輸入變量、隱含層神經(jīng)元數(shù)量的影響進(jìn)行分析。

        2 預(yù)測模型

        BP神經(jīng)網(wǎng)絡(luò)具有非線性映射能力、泛化能力、容錯能力,因此本文采用BP神經(jīng)網(wǎng)絡(luò)建立熱力站日供熱量預(yù)測模型。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括輸入層、隱含層、輸出層[6]。輸出層神經(jīng)元數(shù)量為1,輸出變量為熱力站日供熱量。

        輸入變量的選取,影響著預(yù)測模型的預(yù)測效果。輸入層神經(jīng)元數(shù)量(即輸入變量數(shù)量)過少無法達(dá)到預(yù)期效果,數(shù)量過多雖然會提高計(jì)算精度,但易使神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)過于復(fù)雜,訓(xùn)練時(shí)間延長。熱力站日供熱量受多種因素影響,可分為氣象因素、系統(tǒng)因素。氣象因素包括室外溫度、相對濕度、大氣壓力、風(fēng)速等。系統(tǒng)因素指供熱系統(tǒng)的特性,包括前幾日的供熱量等[1]。分析北京某熱力站運(yùn)行數(shù)據(jù)發(fā)現(xiàn),室外溫度、風(fēng)速與供熱量存在相關(guān)性。因此,將日平均室外溫度、日平均風(fēng)速、前1日供熱量作為必要的輸入變量。在此基礎(chǔ)上,增加日最低室外溫度、日最高室外溫度、日平均相對濕度、大氣壓力、前2日供熱量、前3日供熱量,分別建立預(yù)測模型1~3。隱含層神經(jīng)元數(shù)量設(shè)定為10,預(yù)測模型1~3輸入變量見表1。

        表1 預(yù)測模型1~3輸入變量

        隱含層神經(jīng)元數(shù)量決定了神經(jīng)網(wǎng)絡(luò)的計(jì)算能力。隱含層神經(jīng)元數(shù)量過少,神經(jīng)網(wǎng)絡(luò)的計(jì)算能力不足,預(yù)測結(jié)果易發(fā)生欠擬合。隱含層神經(jīng)元數(shù)量過多,預(yù)測結(jié)果易發(fā)生過擬合,使預(yù)測模型缺乏泛化性[7]。目前,大多采用經(jīng)驗(yàn)公式與試湊法相結(jié)合的方式來確定隱含層神經(jīng)元數(shù)量[8]。為分析隱含層神經(jīng)元數(shù)量對預(yù)測結(jié)果的影響,輸入變量與預(yù)測模型2一致,改變隱含層神經(jīng)元數(shù)量,分別建立預(yù)測模型4~16(見表2)。實(shí)際上預(yù)測模型11與預(yù)測模型2一致,為不破壞預(yù)測模型4~16的連續(xù)性,仍保留預(yù)測模型11。

        表2 模型4~16隱含層神經(jīng)元數(shù)量

        3 研究對象

        熱力站供熱面積為88 711 m2,站內(nèi)設(shè)置了熱量表以及供水溫度、回水溫度、流量傳感器。除供熱量、供回水溫度、流量外,監(jiān)測數(shù)據(jù)還包括室外溫度、風(fēng)速等,每隔5 min采集1次數(shù)據(jù),以日為單位對數(shù)據(jù)進(jìn)行整理。選取2017—2020年供暖期數(shù)據(jù)進(jìn)行研究,并對異常、缺失嚴(yán)重的數(shù)據(jù)進(jìn)行處理,最后得到357個供暖日的有效數(shù)據(jù)。隨機(jī)將70%的樣本作為訓(xùn)練集,15%的樣本作為驗(yàn)證集,15%的樣本作為測試集。采用最大最小值歸一化法將輸入數(shù)據(jù)歸一化到[-1,1]。利用MATLAB軟件建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。

        預(yù)測模型的預(yù)測效果評價(jià)指標(biāo)為擬合優(yōu)度、均方根誤差(RMSE)、平均絕對百分比誤差(MAPE)。擬合優(yōu)度通過決定系數(shù)R2度量,決定系數(shù)越接近1,預(yù)測模型的擬合效果越好。均方根誤差反映預(yù)測結(jié)果相對于實(shí)際結(jié)果的平均偏差情況,用于評價(jià)預(yù)測模型的穩(wěn)定性,均方根誤差越小說明預(yù)測模型的穩(wěn)定性越高。平均絕對百分比誤差可以反映預(yù)測結(jié)果的可信程度,平均絕對百分比誤差越小,說明預(yù)測結(jié)果可信度越高。

        決定系數(shù)R2、均方根誤差σRMSE、平均絕對百分比誤差σMAPE的計(jì)算式分別為:

        式中R2——決定系數(shù)

        n——樣本數(shù)量

        Qi,p——熱力站日供熱量預(yù)測值,GJ

        Qi,m——熱力站日供熱量實(shí)際值,GJ

        Qm,av——全部樣本實(shí)際值的平均值,GJ

        σRMSE——均方根誤差,GJ

        σMAPE——平均絕對百分比誤差

        4 預(yù)測結(jié)果與分析

        4.1 輸入變量的影響

        預(yù)測模型1~3部分樣本日供熱量預(yù)測值與實(shí)際值見圖1。樣本來自測試集。由圖1可知,在預(yù)測模型1~3中,預(yù)測模型2日供熱量預(yù)測值與實(shí)際值最接近。

        圖1 預(yù)測模型1~3部分樣本日供熱量預(yù)測值與實(shí)際值

        預(yù)測模型1~3的決定系數(shù)、均方根誤差見表3。由表3可知,在預(yù)測模型1~3中,預(yù)測模型2的決定系數(shù)最接近1、均方根誤差最小,說明模型2的預(yù)測效果最佳。預(yù)測模型1的預(yù)測效果最差,預(yù)測模型3的預(yù)測效果介于預(yù)測模型1、2之間。

        表3 預(yù)測模型1~3的決定系數(shù)、均方根誤差

        在隱含層神經(jīng)元數(shù)量設(shè)定為10條件下,輸入變量為日平均室外溫度、日平均風(fēng)速、前1日供熱量、日最低室外溫度、日最高室外溫度、前2日供熱量、前3日供熱量時(shí),預(yù)測模型的預(yù)測效果最佳。輸入層神經(jīng)元數(shù)量為3時(shí),由于輸入變量不足,預(yù)測模型的預(yù)測效果最差。

        4.2 隱含層神經(jīng)元數(shù)量的影響

        預(yù)測模型4、5、11、14、16部分樣本日供熱量預(yù)測值與實(shí)際值見圖2。樣本來自測試集。由圖2可知,預(yù)測模型16日供熱量預(yù)測值與實(shí)際值的吻合度最好。

        圖2 預(yù)測模型4、5、11、14、16部分樣本日供熱量預(yù)測值與實(shí)際值

        由計(jì)算結(jié)果可知,從決定系數(shù)、均方根誤差評價(jià)預(yù)測模型4~16的預(yù)測效果比較困難。因此,采用平均絕對百分比誤差來評價(jià)模型的預(yù)測效果,預(yù)測模型4~16的平均絕對百分比誤差見表4。由表4可知,預(yù)測模型16的平均絕對百分比誤差最小,說明隱含層神經(jīng)元數(shù)量為15時(shí),預(yù)測效果最好。

        表4 預(yù)測模型4~16的平均絕對百分比誤差

        當(dāng)輸入變量為日平均室外溫度、日平均風(fēng)速、前1日供熱量、日最低室外溫度、日最高室外溫度、前2日供熱量、前3日供熱量時(shí),隱含層神經(jīng)元數(shù)量達(dá)到最多時(shí)(為15)的預(yù)測模型16預(yù)測效果最佳。隱含層神經(jīng)元數(shù)量并非越多越好,在實(shí)際應(yīng)用中,應(yīng)選取多個隱含層神經(jīng)元數(shù)量,根據(jù)預(yù)測效果選取合適的隱含層神經(jīng)元數(shù)量。

        5 結(jié)論

        ① 當(dāng)隱含層神經(jīng)元數(shù)量設(shè)定為10,輸入變量為日平均室外溫度、日平均風(fēng)速、前1日供熱量、日最低室外溫度、日最高室外溫度、前2日供熱量、前3日供熱量時(shí),預(yù)測模型的預(yù)測效果最佳。輸入層神經(jīng)元數(shù)量為3時(shí),由于輸入變量不足,預(yù)測模型的預(yù)測效果最差。

        ② 當(dāng)輸入變量為日平均室外溫度、日平均風(fēng)速、前1日供熱量、日最低室外溫度、日最高室外溫度、前2日供熱量、前3日供熱量時(shí),隱含層神經(jīng)元數(shù)量達(dá)到最多時(shí)(為15)的預(yù)測模型預(yù)測效果最佳。隱含層神經(jīng)元數(shù)量并非越多越好,在實(shí)際應(yīng)用中,應(yīng)選取多個隱含層神經(jīng)元數(shù)量,根據(jù)預(yù)測效果選取合適的隱含層神經(jīng)元數(shù)量。

        猜你喜歡
        供熱量方根神經(jīng)元
        方根拓展探究
        《從光子到神經(jīng)元》書評
        自然雜志(2021年6期)2021-12-23 08:24:46
        多塊金屬輻射板串聯(lián)結(jié)構(gòu)冬季供熱性能數(shù)值模擬及試驗(yàn)研究
        躍動的神經(jīng)元——波蘭Brain Embassy聯(lián)合辦公
        均方根嵌入式容積粒子PHD 多目標(biāo)跟蹤方法
        冬季供暖工況下混凝土輻射頂板傳熱特性
        揭開心算方根之謎
        基于二次型單神經(jīng)元PID的MPPT控制
        毫米波導(dǎo)引頭預(yù)定回路改進(jìn)單神經(jīng)元控制
        科技資訊(2014年8期)2014-11-10 11:10:41
        中文字幕日本一区二区在线观看| 国产在视频线精品视频| 九九久久精品国产| 国产女同一区二区在线| 精品蜜桃av免费观看| 欧美顶级少妇作爱| 午夜精品久久久久成人| 91性视频| 麻豆国产精品伦理视频| 欧美亚洲精品suv| 国产精品美女久久久网站三级| 蜜桃视频在线在线观看| 18禁止看的免费污网站| 影视先锋av资源噜噜| 日韩精品一区二区三区毛片| 免费在线不卡黄色大片| 色欲欲www成人网站| 亚洲欧洲巨乳清纯| 人妻系列无码专区久久五月天| 一区二区三区日韩蜜桃| 成人一区二区免费中文字幕视频| 装睡被陌生人摸出水好爽| 麻豆国产成人AV网| 99久久久人妻熟妇精品一区二区| 亚洲av无码国产精品永久一区| 欧美高大丰满freesex| 国产青青草视频在线播放| 成人麻豆视频免费观看| 边喂奶边中出的人妻| 国内精品久久久久影院优| 在线免费午夜视频一区二区| 色欲一区二区三区精品a片| 99精品国产高清一区二区麻豆| 91最新免费观看在线| 久久综合伊人有码一区中文字幕| 无码无套少妇毛多18pxxxx| 亚洲男人av香蕉爽爽爽爽| 国产白浆精品一区二区三区| 亚洲天堂av三区四区不卡| 麻豆国产精品伦理视频| 精品免费国产一区二区三区四区|