[发明专利]一种非人工冷热源民用建筑室温灰色神经仿真方法

权利要求书

1.一种非人工冷热源民用建筑室温灰色神经仿真方法，其步骤如下：

步骤1：收集m个时刻的房间室内温度和N-1个室外气象参数的实测数据，组成一个m×N的数据组1，并进行数据分组，得到p×N的数据组2和(m-p)×N的数据组3；

步骤2：将数据组2和数据组3进行室内温度的优化多变量灰色OGM(1，N)仿真模型构建，分别得到数据组2的系数数组A1及k时刻的室温累加量仿真时间响应式A1OGMx₁⁽¹⁾(k)，及室温仿真值A1OGMX₁⁽⁰⁾和数据组3的系数数组A2及室温累加量仿真时间响应式A2OGMx₁⁽¹⁾(k)，k＝2，3，…，及室内温度仿真值A2OGMX₁⁽⁰⁾；

其中以数据组2进行室内温度的优化多变量灰色OGM(1，N)仿真模型构建的步骤如下：

步骤2.1：数据组2的室温OGM(1，N)仿真模型如式2-1所示

式(2-1)中，X_j⁽¹⁾是X_j⁽⁰⁾的1-AGO序列，j＝1,2,…,N，如式2-2计算，

a为系统发展系数，

b₂,b₃...b_N为各个气象参数项的驱动系数，

h₁(k-1)表示OGM(1，N)模型的线性修正项，

h₂表示OGM(1，N)模型的灰色作用量；

步骤2.2：式2-1中的OGM(1，N)模型的系数数组A1通过最小二乘法求解，

如式2-3所示，

A1＝[a,b₁,b₂,b₃..b_N,h₁,h₂]^T＝(B^TB)^-1B^TY,(式2-3)，

式中：

步骤2.3：基于系数组A1的k时刻下的室温累加值仿真时间响应式A1OGMx₁⁽¹⁾(k)如式2-4所示，

式中，A1OGMx₁⁽¹⁾(k)为k时刻的室温仿真值累加量，u₁,u₂,u₃,u₄为四个与系统发展系数a、h₁、h₂相关的常量，

步骤2.4：对室内温度仿真值累加量A1OGMX₁⁽¹⁾做一次累减还原如式2-5，得到室内温度仿真值A1OGMX₁⁽⁰⁾，

A1OGMx₁⁽⁰⁾(k)＝A1OGMx₁⁽¹⁾(k)-A1OGMx₁⁽¹⁾(k-1),k＝2,3,....,(式2-5)；

步骤3：进行室内温度仿真BP神经网络构建及训练，以室内温度仿真值A1OGMX₁⁽⁰⁾、N-1个室外气象参数的实测数据，室内温度仿真值A2OGMX₁⁽⁰⁾组成的N+1个神经元作为输入层，隐含层的神经元个数为h，输出层为室内温度仿真值OGMBPX₁，经过正向和反向传播的多次训练后，输出室内温度仿真BP神经网络的各权值，获得训练完成的室内温度仿真BP神经网络；

步骤4：仿真时刻气象参数采用典型年气象参数值，M个仿真时刻的气象参集为M×(N-1)的数据组4，分别将数据组4输入到步骤2中训练好的室温OGM(1，N)仿真模型，分别计算出室内温度仿真值A1OGMX₁^(d)和A2OGMX₁^(d)，再将室内温度仿真值及数据组4输入到步骤3中训练好的室温仿真BP神经网络中，计算出M个时刻的被测房间的室内温度仿真值OGMBPX₁^(d)。