基于机器学习预测建筑用空调性能的研究

露点蒸发冷却空调利用水蒸发吸热实现制冷。由于气候不同,不同地区露点蒸发冷却空调的性能存在差异。基于BP神经网络法和随机森林法两种机器学习方法,将环境温度、相对湿度、空气流速、工作空气比例、热质换热器高度、间隔、层数等7种特征作为自变量,将露点蒸发冷却空调的制冷量、制冷COP、露点效率和湿球效率作为因变量,对露点蒸发冷却空调的性能进行机器学习并预测。结果显示:两种机器学习方法均可对露点蒸发冷却空调的性能进行预测,随机森林法的预测误差小于10%,BP神经网络法的预测误差低于2%。BP神经网络法的预测效果更佳。