[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

摘要

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.实测数据收集及分组，步骤2.室内温度OGM(1，N)仿真模型构建，步骤3.室内温度BP神经网络仿真模型构建，步骤4.室内温度OGMBPT仿真及结果输出。本发明采用优化多变量灰色OGM(1，N)仿真模型与BP神经网络相结合，将实测数据分组，分别进行室温OGM(1，N)仿真模型构建，达到减少数据扰动对仿真结果影响的效果。实测数据与OGM(1，N)仿真结果一起输入到室温BP神经网络进行二次仿真模型构建，优势互补，从而达到提高整体仿真精度，并将有限的实测数据进行充分利用，最大限度地发掘出数据中蕴涵的室温规律。

主权项

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)，k＝2，3，…，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)；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)。