本站小編為你精心準(zhǔn)備了參數(shù)預(yù)測建模的神經(jīng)網(wǎng)絡(luò)論文參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

1PMV指標(biāo)

20世紀(jì)80年代，丹麥教授Fanger根據(jù)穩(wěn)態(tài)條件下能量平衡的熱舒適方程，提出了PMV－PPD指標(biāo)，PMV指標(biāo)的計算公式如下。由（1）式可知，PMV的表達(dá)式是一個非常復(fù)雜的非線性方程，直接求解的實時性差，同時方程中多個參數(shù)均為時變參數(shù)，傳統(tǒng)的時不變神經(jīng)網(wǎng)絡(luò)模型在進(jìn)行PMV參數(shù)建模時需要定時對其進(jìn)行修正，實用性較差．

2Elman神經(jīng)網(wǎng)絡(luò)

Elman神經(jīng)網(wǎng)絡(luò)是Elman在1990年提出的一種典型的動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)除了常規(guī)神經(jīng)網(wǎng)絡(luò)中的輸入層、隱含層和輸出層外，還提出了一個特定的承接層．在Elman神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)中，輸入層單元進(jìn)行信號的傳輸，輸出層單元進(jìn)行線性加權(quán)輸出，隱含層單元實現(xiàn)信號的映射變換，其傳遞函數(shù)可采用線性或非線性函數(shù)，承接層又稱上下文層，是Elman神經(jīng)網(wǎng)絡(luò)的核心，可用來記憶隱含層單元前一時刻的激活狀態(tài)，并返回給網(wǎng)絡(luò)的輸入，本質(zhì)上來說是一個時延算子，它使得Elman神經(jīng)網(wǎng)絡(luò)特別適合于動態(tài)系統(tǒng)的識別和預(yù)測控制．結(jié)構(gòu)為r－n－m的Elman神經(jīng)網(wǎng)絡(luò)如圖1所示．

3Elman神經(jīng)網(wǎng)絡(luò)

PMV指標(biāo)預(yù)測建模影響PMV指標(biāo)的主要因素包括環(huán)境因素（空氣溫度、空氣流速、相對濕度和平均輻射溫度）和自身因素（人的活動量和衣著）．根據(jù)PMV方程，只要通過傳感器測出室內(nèi)4個環(huán)境參數(shù)（人體周圍的空氣溫度ta，房間的平均輻射溫度tr，相對空氣流速va，相對濕度RH），然后針對人體的服裝和活動情況進(jìn)行相應(yīng)的取值，就可以計算室內(nèi)熱環(huán)境的PMV－PPD指標(biāo)，從而對室內(nèi)熱舒適感進(jìn)行評估和預(yù)測．在實際應(yīng)用中，同時在線監(jiān)測這6個因素實施起來非常困難，而人的活動量和衣著往往可以使用典型的經(jīng)驗值來表示，因此文中對測試環(huán)境做如下假設(shè)：居民在室內(nèi)靜坐時人體的代謝率為58．15W／m2，居民室內(nèi)著衣熱阻常取1clo，人體所做的機(jī)械功率為0［9］．根據(jù)以上假設(shè)，PMV指標(biāo)的Elman預(yù)測模型可以表示。其中yi為第i個訓(xùn)練數(shù)據(jù)的預(yù)測值，Yi為第i個訓(xùn)練數(shù)據(jù)的理想值，n為訓(xùn)練數(shù)據(jù)的數(shù)量．以上指標(biāo)中EMSE代表預(yù)測誤差，其值越小，表示學(xué)習(xí)機(jī)器的預(yù)測誤差越小；R2代表預(yù)測值與測量值之間的相關(guān)度，其值越大，表示2種間存在越明顯的線性相關(guān)性．采用設(shè)計好的Elman神經(jīng)網(wǎng)絡(luò)對隨機(jī)樣本進(jìn)行訓(xùn)練，并在測試樣本上進(jìn)行驗證，訓(xùn)練時的收斂曲線如圖2所示，訓(xùn)練樣本和測試樣本的預(yù)測擬合結(jié)果如圖3所示．由圖2可知，Elman神經(jīng)網(wǎng)絡(luò)對于隨機(jī)產(chǎn)生的訓(xùn)練樣本在訓(xùn)練階段均能夠穩(wěn)定的收斂，驗證了采用Elman神經(jīng)網(wǎng)絡(luò)對PMV指標(biāo)進(jìn)行預(yù)測建模的可行性．由圖3可知，Elman神經(jīng)網(wǎng)絡(luò)對訓(xùn)練樣本和測試樣本均能夠較好地擬合，僅在一些局部極值點出現(xiàn)了誤差，這是由于神經(jīng)網(wǎng)絡(luò)的全局響應(yīng)效應(yīng)造成的．總的來說，建模達(dá)到了較好的效果．表4進(jìn)一步給出了Elman神經(jīng)網(wǎng)絡(luò)在訓(xùn)練和測試階段的決定系數(shù)、均方誤差和計算時間．其中，測量計算時間的運(yùn)算環(huán)境是CPU為Core（TM）i5－2450，內(nèi)存為2GB，操作系統(tǒng)為WindowsXPSP4．由表4可知，Elman神經(jīng)網(wǎng)絡(luò)在訓(xùn)練和測試中均體現(xiàn)出較優(yōu)的性能，預(yù)測數(shù)據(jù)與理論數(shù)據(jù)能擬合較好，這與圖3的結(jié)論相互印證．同時可知，Elman神經(jīng)網(wǎng)絡(luò)在建模過程中因為存在訓(xùn)練階段，所以總的計算時間達(dá)到了14s，但是一旦模型訓(xùn)練完畢，Elman神經(jīng)網(wǎng)絡(luò)可以對輸入的數(shù)據(jù)直接進(jìn)行計算預(yù)測，其計算時間約為0．948s，該時間遠(yuǎn)小于傳統(tǒng)數(shù)值計算PMV參數(shù)的運(yùn)算時間，體現(xiàn)了Elman神經(jīng)網(wǎng)絡(luò)模型預(yù)測PMV參數(shù)的實時優(yōu)勢．

4結(jié)語

采用Elman神經(jīng)網(wǎng)絡(luò)實現(xiàn)了熱舒適度指標(biāo)PMV的預(yù)測建模，研究了建模中的關(guān)鍵技術(shù)，給出了優(yōu)化后的Elman神經(jīng)網(wǎng)絡(luò)模型．?dāng)?shù)值模擬和仿真的結(jié)果表明：（1）優(yōu)化后的Elman神經(jīng)網(wǎng)絡(luò)能夠?qū)哂袝r變特征的PMV指標(biāo)進(jìn)行快速預(yù)測，有較高的準(zhǔn)確性；（2）PMV指標(biāo)的影響因素較多，合理地對一些參數(shù)進(jìn)行假設(shè)，能夠簡化建模過程，提高預(yù)測效率；（3）建模后的Elman神經(jīng)網(wǎng)絡(luò)參數(shù)可以方便地存儲在FPGA等可編程芯片中，為進(jìn)一步實現(xiàn)系統(tǒng)的硬件監(jiān)測與控制奠定了基礎(chǔ)．

作者：江沸菠申艷妮甘巧單位：湖南師范大學(xué)物理與信息科學(xué)學(xué)院