基于神经网络的建筑室内温度预测比较研究

王文标 ，郝 源 ，汪思源 ，王旭东

（1.大连海事大学 信息科学技术学院，辽宁 大连 116026；2.大连市锅炉压力容器检验研究院，辽宁 大连 116013）

0 引言

我国是能源消耗大国，建筑供热能耗约占社会总资源消耗的四分之一，且随着大型、高能耗建筑的不断新建，这一比例还在逐年升高。为了实现建筑节能的目标，必须对建筑室内环境进行准确建模。建筑能量系统是一个非线性、多变量、分布式的复杂系统，在自然通风的条件下，室外气象因素对室内温度的影响是非线性的，这使得求解变得复杂[1]。神经网络为解决上述问题提供了一个可行的方案。人工神经网络是从微观结构以及功能上对人脑神经系统进行模拟而建立起来的一类计算模型，能够模拟人的部分形象思维能力，非常适合非线性预测[2]。 目前在工业领域，BP（Back Propagation）和 RBF（Radial-based Function Method）神经网络应用比较广泛，但在供热系统中的应用还处于起步阶段。因此，本文对这两种方法分别进行应用，继而选择出具有良好应用价值的方法。

1 神经网络的基本原理

1.1 RBF神经网络的基本原理

1988年，Moody和Darken提出了一种神经网络结构，即RBF神经网络，它属于前向型神经网络，一个典型的RBF网络拓扑结构如图 1所示[3]。

图1 RBF神经网络拓扑图

隐层和输出层的输入、输出关系分别为：

其中 a1、a2分别为隐层和输出层的输出向量；c、σ分别为高斯基函数的中心和宽度；||·||为欧式范数；W为隐层到输出层的权值矩阵；b为输出层的阈值向量。由式（1）可知，当输入信号靠近基函数中心时隐层单元产生较大输出。……