林跃东/许巧玲/陈　东

(1.福州大学节能技术研究中心，福建 福州 350108；2.福州大学后勤处，福建 福州 350108)



基于PCA—Elman神经网络的建筑能耗预测

林跃东1/许巧玲1/陈东2

(1.福州大学节能技术研究中心，福建 福州 350108；2.福州大学后勤处，福建 福州 350108)

0　引言

准确快速地得到建筑能耗预测值，是分析评估既有建筑用能效率和计算建筑能耗监测系统阈值等工作的基础。影响建筑能耗的主要因素有：建筑物使用者素质、建筑物自身条件、设备状况、热环境要求等[1-3]。近年来，国内外有关学者对建筑能耗预测进行了广泛研究，主要方法有线性回归、灰色预测、人工神经网络以及支持向量机等。文献[4]采用多元线性回归方法建立了西班牙银行大楼的能耗预测模型，根据预测结果给出了相应的节能意见；文献[5]首先采用聚类算法对数据样本进行分类，再通过多元线性回归得到建筑能耗预测模型，该模型准确性较高；文献[6]将改进的灰色预测算法用于建筑能耗预测，建立的能耗模型适应性较好，预测精度高；文献[7]对建筑物传热过程进行了详细地分析，据此得到可以计算建筑物热负荷的灰色模型；文献[8]通过分析哥伦比亚大学建筑能耗数据，建立了高校建筑能耗神经网络预测模型，该模型以最高温度、最低温度、平均温度等作为输入参数，具有一定的实用性；文献[9]先对能耗数据进行灰化处理，然后通过RBF网络训练，建立了基于GM-RBF神经网络的高校建筑能耗预测模型，其预测精度优于单一预测模型。……