论文部分内容阅读
影响空调负荷因素比较多，且难于确定和提取，这就造成空调负荷的拟合和预测精度较低。在对空调负荷时间序列混沌特性分析的基础上，利用嵌入相空间来确定前期影响因子，建立了基于混沌相空间技术的BP神经网络模型。模型既能考虑到影响空调负荷时间序列的动力因子，又能解决网络输入单元数确定的困难，并能利用神经网络超强的非线性映射功能，结合空调负荷实例的拟合与预测，表明其结果合理，预测精度较高。