论文摘要
气象参数是影响建筑室内热环境和空气调节系统能耗的主要因素之一。本文以气象参数为切入点，就暖通空调领域从设计到运行全过程中与气象参数相关的几个问题进行了探讨。以现有的设计气象参数数据为基础，对常用的插值法进行了研究和发展；以神经网络方法为工具，对设计气象参数数据和简要地理信息(经度、纬度、海拔高度以及大陆度等)之间的内在联系进行分析，得到了基于地理信息和神经网络的设计气象参数构成方法。相关结果表明利用神经网络算法构成室外设计计算温度较传统经典数学方法而言具有独到优势，为不可知气象条件下的空调设计提供了依据，在我国目前气象数据不充分的情况下，是对规范数据的有益补充，具有一定的应用价值。作为对基于地理信息和神经网络的设计气象参数构成方法的总结和应用，针对我国小城镇的设计气象参数开发了相应的数据库程序。分析了负荷预测在线修正的必要性，指出对室外气象参数太阳辐射、温度、湿度(含湿量)进行超短期预测是负荷预测在线修正的基础。随后用贝叶斯BP神经网络方法建立室外气象参数太阳辐射、温度、湿度(含湿量)的超短期预测模型。并应用所建立的室外气象参数超短期预测模型对负荷预测的在线修正进行了研究。结合室外气象参数预测和空调负荷预测这一具体问题，提出使用相关性分析方法和主成分分析方法来选择模型预报因子和对预报因子进行变换，相关结果表明两种方法有效提高了针对室外气象参数预测和空调负荷预测这一类问题建立的神经网络模型的泛化能力。最后，关于进一步工作的方向进行了简要的讨论。
论文目录
摘要ABSTRACT第1章 绪论1.1 研究背景1.2 文献综述1.2.1 设计气象参数构成方法现状1.2.2 空调负荷预测研究现状1.2.3 人工神经网络应用现状1.3 课题研究目的及意义1.3.1 课题研究目的1.3.2 课题的理论意义1.3.3 课题的实际应用价值1.4 本文的主要研究内容1.4.1 基于地理信息的设计气象参数构成方法研究1.4.2 室外气象参数的预测研究参考文献第2章 神经网络技术及其在应用中存在的问题2.1 神经网络基本理论2.1.1 神经元模型和网络结构2.1.2 神经网络学习方式和方法2.1.3 常用的神经网络模型2.2 BP神经网络及其算法2.2.1 BP神经网络概述2.2.2 训练模式2.2.3 BP网络的训练2.2.4 基本BP算法2.3 人工神经网络技术在应用中存在的问题2.3.1 网络结构问题2.3.2 训练样本问题2.3.3 网络算法问题2.4 本章小结参考文献第3章 基于插值法的设计气象参数构成方法研究3.1 已有设计气象参数构成方法3.1.1 统计法3.1.2 简化统计法3.2 基于插值法的设计气象参数构成方法3.2.1 插值法及改进3.2.2 插值法参数寻优3.2.3 插值法适用性分析3.3 本章小节参考文献第4章 基于神经网络的设计气象参数构成方法4.1 设计气象参数影响因素分析4.2 两种用于构成设计气象参数新方法的神经网络模型4.2.1 LMBP神经网络4.2.2 贝叶斯BP神经网络4.3 神经网络输入数据归一化处理4.4 采暖室外计算温度构成方法4.4.1 采暖室外计算温度神经网络模型的建立4.4.2 结果分析4.5 夏季空气调节计算干球温度构成方法4.5.1 夏季空气调节计算干球温度神经网络模型的建立4.5.2 结果分析4.6 设计气象参数神经网络构成方法的进一步验证4.7 本章小节参考文献第5章 室外气象参数的预测研究5.1 概述5.2 数据来源5.3 提高神经网络泛化能力的两点措施5.3.1 历史数据的相关性分析5.3.2 输入数据的主成分分析5.4 太阳逐时总辐射预测研究5.4.1 影响因素分析5.4.2 太阳逐时总辐射预测模型的建立5.4.3 结果分析5.5 室外逐时温度预测研究5.5.1 影响因素分析5.5.2 室外逐时温度预测模型的建立5.5.3 结果分析5.6 室外逐时含湿量预测研究5.6.1 室外逐时含湿量预测模型的建立5.6.2 结果分析5.7 本章小节参考文献第6章 负荷预测在线修正研究6.1 空调负荷影响因素分析6.2 在线修正模型及短期预测模型的建立6.2.1 在线修正模型及短期预测模型输入参数选择6.2.2 在线修正模型及短期预测模型输入参数主成分分析6.2.3 在线修正模型及短期预测模型的训练与预测6.3 结果分析6.4 小结参考文献第7章 结论与展望7.1 结论7.2 创新点7.3 进一步工作的方向附录在读期间发表的学术论文致谢
相关论文文献
标签：设计气象参数论文; 神经网络论文; 相关性分析论文; 主成分分析论文; 预测论文; 在线修正论文;
