神经网络在寒冷地区建筑能耗预测中的应用

影响建筑能耗的因素很多,并且各自之间存在着非线性和相互耦合的特性,给建筑能耗的准确预测带来了一定困难,而神经网络是提高建筑能耗预测准确程度的重要方法。文章以寒冷地区建筑为例,提出了一种基于神经网络模型的能耗预测方法,从建筑的房间使用功能、室内热扰强度及建筑围护结构热工特性等方面选取16项影响能耗的参数作为神经网络预测模型的输入变量,与网络每层特性相结合,得到神经网络预测模型的结构为16-4-1。用该模型训练学习40组能耗模拟数据,从中选取25%的数据输入到已训练完成的神经网络预测模型中进行验证。结果表明:与DeST软件模拟结果相比,模型预测值的平均误差约为1.4%,从理论上验证了神经网络在建筑能耗预测方面的可行性;选取10栋实际建筑进行全年能耗预测,模型预测结果与能耗实际监测值吻合得较好。

基于PCA算法的办公建筑能耗影响因子分析

办公建筑在民用建筑中占很大的比例,影响办公建筑能耗的因子种类多,变量之间相关性强。利用PCA算法,对影响办公建筑能耗的主要影响因子进行了主成分提取分析,以主成分累计贡献率达85%为确定标准,最终达到矢量降维的目的,便于后期构建影响因子与建筑能耗的关联性。这对于降低办公建筑的能耗有一定参考价值。

山东居建围护结构热工特性提升路线图

居住建筑量大面广,文中以山东为例,全面回顾了居住建筑围护结构热工特性的发展历程,用实例计算分析了居住建筑围护结构热工性能对供暖负荷的影响,提出了居住建筑围护结构今后的发展方向,这对于降低建筑能耗,保护环境,实行建筑行业的可持续发展有一定的参考价值。

基于FA-BP组合模型的办公建筑能耗预测研究

针对传统BP神经网络模型预测办公建筑能耗时预测精度受输入变量之间非线性特性影响较大、模型泛化能力不强等问题,建立了结合因子分析法的改进FA-BP神经网络组合预测模型。以实际调研的能耗数据为基础,采用因子分析法对能耗的相关影响因素进行降维处理,得到4个公因子,以此作为神经网络的输入参数进行实证分析。结果显示,改进的FA-BP神经网络组合模型在预测办公建筑能耗方面,较传统的BP神经网络模型具有更高的预测精度,其平均相对误差为1.728%,表明因子分析法可以有效降低神经网络输入参数的复杂维度。

农村分布式生物质燃炉可行性分析

我国农村地区,生物质资源种类繁多、储量丰富。针对分布式生物质燃炉在农村地区的可行性问题,从其燃料储备、经济效益、环境效益三方面进行了综合分析。分析显示,每户每年取暖投资为1400元左右;与燃煤相比,每使用1t燃料,可减少CO2排放量1.3t。这将为生物质能在农村地区的推广和使用提供参考价值,也为我国早日实现农村地区清洁取暖提供一种有效途径。

建筑外窗的热工性能及其节能标识方法的研究

建筑外窗节能标识是能效标识时代下的产物。本文主要从外窗的传热系数、遮阳系数、空气渗透率以及可见光透射比四大性能参数入手,阐述了外窗节能标识的主要内容,并对外窗节能标识的等级划分作出了初步构想,这于超低能耗建筑的研究有一定的参考价值。

寒冷地区农村住宅建筑节能分析

寒冷地区农村住宅建筑具有体量大、分布散的特点,且节能处于较低水平。基于建筑能耗分析软件De ST建立了农村住宅建筑模型,从提升围护结构热工性能和改变其建筑结构方面对建筑模型进行优化,将模拟输出的房间自然室温和热负荷作为节能指标并进行数据分析,同时论证了建筑气密性和可再生能源应用对农村住宅建筑节能优化的重要性,并给出了相关建议。

公共建筑夏季空调能耗与空调度日数关系研究

在分析寒冷地区夏季气象变化规律的基础上,结合山东济南、济宁、德州、烟台、潍坊等5个典型地级市夏季室外气象参数,对各市典型公共建筑展开了研究。通过能耗模拟软件DeST对公共建筑空调能耗进行了模拟计算,并将计算结果进一步分析,得到了公共建筑空调能耗与空调度日数之间的回归方程式。