<strike id="rj3b3"><dl id="rj3b3"></dl></strike>
<span id="rj3b3"></span>
<strike id="rj3b3"></strike>
<strike id="rj3b3"><dl id="rj3b3"></dl></strike><strike id="rj3b3"><dl id="rj3b3"></dl></strike>
<span id="rj3b3"></span>
<progress id="rj3b3"><video id="rj3b3"></video></progress>
<strike id="rj3b3"><video id="rj3b3"></video></strike>
<strike id="rj3b3"></strike><span id="rj3b3"></span>
<strike id="rj3b3"><video id="rj3b3"></video></strike><strike id="rj3b3"></strike>
<strike id="rj3b3"></strike>

[1]陆 烨,朱其新*,周敬松,等.一种基于PSO-RBF网络算法的热舒适性指标预测新方法[J].苏州科技大学学报(自然科学版),2020,37(01):73-78.[doi:10.12084/j.issn.2096-3289.2020.01.013]
点击复制

一种基于PSO-RBF网络算法的热舒适性指标预测新方法()
分享到:

苏州科技大学学报(自然科学版)[ISSN:2096-3289/CN:32-1871/N]

卷:
37
期数:
2020年01期
页码:
73-78
栏目:
出版日期:
2020-04-09

文章信息/Info

作者:
陆 烨1 朱其新2* 周敬松1 朱永红3
(1.苏州科技大学 环境科学与工程学院,江苏 苏州 215009;2.苏州科技大学 机械工程学院,江苏 苏州 215009;3.景德镇陶瓷大学 机电工程学院,江西 景德镇 333001)
关键词:
PMV指标RBF神经网络粒子群算法HVAC系统
分类号:
TP273
DOI:
10.12084/j.issn.2096-3289.2020.01.013
文献标志码:
A
摘要:
研究了一种新的网络算法,该算法采用粒子群优化(PSO)算法对径向基(RBF)神经网络的权值进行优化,并将这种算法运用于热舒适性指标的预测中,通过建立PMV指标预测模型,实现对PMV指标的智能预测。通过Matlab仿真计算,结果表明,基于粒子群优化的径向基网络(PSO-RBF)的预测方法误差精度更小,较之未优化的RBF网络,误差精度提高了79.5%。采用粒子群优化的径向基网络(PSO-RBF)对PMV指标进行预测是完全可行的,将PSO-RBF算法应用于基于PMV指标的空调系统控制中,可为PMV指标的实时控制打下基础。

相似文献/References:

[1]李旭军,梁兴琦.基于RBF神经网络的晶体生产组织评价[J].苏州科技大学学报(自然科学版),2011,28(01):49.

备注/Memo

备注/Memo:
国家自然科学基金资助项目(51875380;51375323;61563022);江苏省“六大人才高峰”高层次人才资助项目(DZXX-046);江苏省产学研前瞻性联合研究资金项目(BY2016044-01);江西省自然科学重大基金资助项目(20152ACB20009)
更新日期/Last Update: 1900-01-01
万美彩票