![重庆市居住建筑能耗预测方法研究](https://www.lw50.cn/thumb/c51282121774de5875c14eec.webp)
论文摘要
随着经济的发展和科学技术的进步,人们对生活质量和生存环境的要求日益提高,由于能源结构与环境改善的关系密切,生活能源消耗大大提高了居民的生活质量。居住生活能耗受到国内、国际各方面因素的影响,是一个复杂的非线性系统。而传统的线性预测方法虽然具有直观简单、解释性强的优点,但难以处理动态复杂的非线性系统的预测问题。神经网络是一种非线性的动力学系统,具有强大的非线性映射能力,具有很强的鲁棒性和容错性,对于解决非线性问题具有独特的先进优势,非常适合于解决非线性经济系统的预测和决策问题。论文首先分析了重庆市居住建筑能耗在地理环境上、国家政策上和自身条件上的不同,总体分析了重庆市居住建筑能耗的现状,并针对重庆市居住建筑能耗的特点,提出影响重庆市居住建筑能耗的指标归纳为16个因子,建立BP神经网络模型所需指标体系。将目前被广泛应用于许多领域中预测决策问题的GM(1,1)预测模型和神经网络理论应用于重庆市居住建筑能耗的预测建模。将基于DPS数据处理系统的原有灰色理论GM(1,1)模型基础上对重庆市居住建筑能耗进行预测,得出预测模型。然后基于数据库SQL server 2005平台通过Cshap语言建立重庆市居住建筑能耗的多因素BP神经网络预测模型,并进行了实证预测。本论文建立的重庆市居住建筑能耗的BP神经网络多因素预测模型考虑了人口数量、城市居民可支配收入、私人民用车辆拥有量、人均人民币储蓄存款余额、城镇化率、年末实有住宅面积、燃气普及率、GDP、全社会固定资产投资总额、就业人口、建筑业生产总值、进出口总值、社会消费品零售总额、平均相对湿度16个指标指标对重庆市居住建筑能耗的影响,体现了实际经济意义。本论文预测模型的预测结果具有较高的预测精度和较好的拟合效果,更符合重庆市居住建筑能耗实际数据的发展趋势。预测的结果可以辅助制订重庆市居住建筑节能措施和标准,正确引导和组织重庆市居住建筑行业,优化重庆市居住建筑结构,并借由重庆市居住建筑能耗的预测,给重庆市居住建筑节能的方案和措施提供参考。最后对居住建筑能耗与GDP、年末实有住宅面积、人口总数、和城市居民可支配收入、自然资源和通风措施之间关系的分析。探索性的提出了一些相关的节能措施方案。提出要密切结合各宏观因素开展各种应用技术的落实措施,并将本章所提到的节能措施应用到实际中,为重庆市实现真正意义上的能效建筑提供使用措施。
论文目录
摘要ABSTRACT1 绪论1.1 研究背景与意义1.1.1 研究背景1.1.2 选题的意义1.2 研究问题1.2.1 建筑能耗现状1.2.2 居住建筑能耗现状1.3 研究方法1.3.1 预测的概念、特点及分类1.3.2 预测科学的发展概况1.4 国内外研究现状综述1.4.1 能源预测模型1.4.2 国外能源预测模型1.4.3 国内能源预测模型1.5 研究内容1.6 创新点2 预测方法理论2.1 灰色理论预测方法2.2 回归分析方法2.3 时间序列方法2.4 弹性系数预测方法2.5 神经网络概述2.5.1 人工神经网络的特点2.5.2 人工神经元模型2.5.3 BP 神经网络2.5.4 BP 神经网络的基本原理2.5.5 人工神经网络的学习方式和学习方法2.6 结论3 居住建筑能耗影响指标系统3.1 重庆市生活能耗指标体系分析3.2 重庆市生活能耗指标体系解析3.2.1 指标相关性分析3.2.2 生活能耗与显著指标关系分析3.3 微观影响因素分析3.4 结论4 BP 人工神经网络居住建筑能耗预测系统4.1 构建居住建筑能耗BP 神经网络预测模型4.1.1 网格结构及各参数4.1.2 样本输入数据的预处理4.1.3 训练(学习)样本集选择4.2 本次研究采用的人工神经网络模型及算法4.3 网络的程序实现4.4 数据库建立4.4 BP 神经网络预测系统4.4.1 系统登陆界面4.4.2 数据管理4.4.3 数据训练4.4.4 数据测试4.4.5 数据预测4.5 BP 神经网络模型预测4.5.1 预测结果4.5.2 分析预测结果4.6 预测模型论证4.6.1 居住能耗GM(1,1)模型4.6.2 第一次进行残差序列建模分析4.6.3 第二次进行残差序列建模分析4.6.4 第三次进行残差序列建模分析4.6.5 第四次进行残差序列建模分析4.7 模型对比4.8 结论5 重庆市居住建筑节能潜力分析5.1 居住建筑能耗与GDP5.2 居住建筑能耗与年末实有住宅面积5.3 居住建筑能耗与人口总数5.4 居住建筑能耗与城市居民可支配收入5.5 居住建筑能耗与自然资源5.6 居住建筑能耗与自然通风5.7 结论6 结论与展望6.1 主要结论6.2 展望致谢参考文献附录 A附录 B
相关论文文献
标签:居住建筑能耗论文; 能耗模拟论文; 神经网络论文; 灰色理论论文; 预测论文;