贝叶斯优化梯度提升树的室内日光照度分布预测

透过窗户照射进室内的自然光随时间非线性变化,且在空间上的分布呈现不均匀性,导致照度模型预测误差大。在数据量有限的情况下,如何实现自然光下的室内光环境高精度建模是一项巨大的挑战。针对上述问题,提出一种主成分分析与贝叶斯优化梯度提升回归树的室内照度预测算法。该算法首先利用哑变量处理样本数据,通过主成分分析法充分考虑照度数据多特征之间的内在相关性并进行特征重塑;然后利用随机森林确定梯度提升回归树的初始参数,提高其收敛速度和稳定性;最后融合交叉验证和贝叶斯优化算法自适应确定梯度提升回归树的超参数组合,从而进一步提升该模型对室内照度分布的预测性能。实验结果表明,在不同气象、时间条件下,该算法对600个测试样本的照度的R2、MAE和RMSE分别为0.9912、18 lx和40 lx,均优于其他几种算法,且能够显著降低样本偏差值。

社会粒子群算法在中央空调冷冻水系统控制研究

为解决PID控制器对中央空调冷冻水系统具有控制效果不理想的问题,提出了一种社会粒子群(SLPSO)算法优化PID控制方法.该方法解决了传统PID参数设定不准确,参数难设定的问题以及被控系统响应效果不理想的问题.对空调系统末端原理和社会粒子群算法做了详尽的介绍.以中央空调冷冻水模型作为被控对象进行仿真实验,结果表明社会粒子群优化PID控制不管在超调量、调节时间和上升时间都要比经典粒子群算法优化PID控制和传统PID控制具有更好的控制效果.