基于鸟群算法优化BP神经网络的热舒适度预测

热舒适度是室内环境舒适性的评价指标,由于热舒适度的计算是一个复杂的非线性迭代过程,不便应用于空调实时控制系统中,为解决这一问题,可利用BP神经网络算法对热舒适度进行预测.但为了改善传统BP神经网络收敛速度慢的问题,将采用鸟群算法(BSA)来优化BP神经网络初始的权值与阈值.最后,将BSA算法与相近的粒子群算法(PSO)进行对比分析,并利用MATLAB软件进行仿真,使BSA-BP预测模型的仿真结果与基本的BP神经网络预测模型、PSO-BP预测模型的仿真结果进行对比分析.结果表明,BSA-BP预测模型具有较快的收敛速度和较高的预测精度.

粒子群算法优化支持向量回归的民机客舱座椅舒适度评价预测

为建立民机客舱座椅舒适度主客观评价之间复杂非线性的评价预测模型,同时提高模型的预测精度,本文将支持向量回归(Support vector regression,SVR)中的惩罚参数C、通道控制参数ε以及核函数参数σ作为优化目标,利用粒子群算法(Particle swarm optimization,PSO)寻找全局最优参数,建立PSO-SVR人-民机客舱座椅舒适度评价预测模型,并对预测结果进行对比分析。分析结果表明:与BP神经网络(Back propagation,BP)模型相比,支持向量回归模型具有良好的鲁棒性;与SVR模型相比,PSO-SVR模型预测精度更高,误差波动小,预测结果均方误差(MSE)降低了85.95%,决定系数(R2)提高了15.42%。因此粒子群算法可以有效提高支持向量回归模型的预测精度和泛化能力。

多目标决策视角下中国适度人口规模预测

对未来中国适度人口规模的基本判断是关系中国人口政策走向的根本问题，也是近年来各界关注的焦点之一。研究采用多目标决策技术中的“可能-满意度”方法（PS法），结合我国国民经济与社会发展远景目标，提取经济、资源环境、人口动态发展及与其他国家人口对比等四方面中的13个指标，首先对单个指标影响因素的可能-满意度曲线进行分析；其次设计由不同的指标并合而成的8种方案，以2050年为目标时间点，计算每种方案所对应的适度人口规模及人口结构，并分析对应的人71政策；最后对影响人口规模的关键因素进行分析和验证。研究结果表明，我国人口在2050年应当达到的适度目标规模的取值范围为14．8亿至15．4亿之间，此时，可能-满意度大于0．74，人们的生活质量达到一个较高水平，老年系数在0．226～0．236之间。

基于人口承载力的城市群适度人口预测研究——以长江三角洲城市群为例

以2009-2020年长江三角洲城市群为研究对象,通过构建多目标评价体系,综合运用耦合协调度模型、情景分析法、GM-BiLSTM神经网络等方法对城市群人口承载力展开预测,并以所测算的人口承载力作为基础,对2030年城市群适度人口规模进行科学预测。研究结果表明:(1)从长江三角洲城市群整体来看,2030年城市群常住人口规模约为17998.592万人,适度人口规模约为16158.401万人,常住人口规模超过适度人口规模,城市群人口仍然相对过多。(2)从各系统承载人口来看,城市群2030年经济系统可承载人口最高,约为27715.323万人;资源系统可承载人口最少,约为7151.659万人,资源成为制约城市群未来人口发展的关键因素。(3)2030年长江三角洲城市群内各城市人口发展状态可划分为拥挤型、稠密型、分散型三类。拥挤型城市人口密度大,人口过度集中且适度人口远超可承载人口规模;稠密型城市人口密度较大,人口较为集中,即使部分城市适度人口规模超出最大人口承载力,但是缺口处于可控制范围内;分散型城市人口密度较小,人口扩散程度高,除镇江外的所有城市适度人口规模在最大可承载人口规模以内。

基于遗传算法优化神经网络的智能家居室内环境舒适度的预测

针对智能家居室内环境的舒适度是由诸多室内因素共同影响这一复杂问题,本文对现有的计算室内舒适度的方法进行分析,从而在此基础上,通过对智能家居控制设备的相关数据采集,搭建了基于遗传算法优化的神经网络舒适度预测模型,实现对室内环境的舒适度的预测.运用Matlab作为测试工具平台,对优化后的模型进行实验,同时对优化后的模型与传统的神经网络预测结果进行对比分析.研究表明,遗传算法优化后的方法提高了神经网络模型预测舒适度的精度,预测结果与实测结果之间的误差明显减小,预测方法具有实际工程应用意义.

基于适度容量预测的服务业项目空间布局优化途径——以徐州为例

研究从徐州市区商业综合体、五星级酒店和集中办公楼宇三大重要服务业项目入手,以影响其发展的主要因素为参考指标,对重要服务业项目的适度容量进行预测;同时,结合重要服务业项目空间分布现状及存在问题,以适度容量为指导,探讨重要服务业项目的空间布局优化途径,以期有效引导徐州市区重要服务业项目的选址和落地,推动城市现代服务业与城市经济的双赢发展。

光伏发电预测精度对家庭用电管理系统性能影响研究

目的:研究光伏发电预测不同精度下对家庭用电管理系统性能的影响。方法:使用改进的二进制粒子群算法优化用电管理系统;提出麻雀算法优化BP网络提高光伏发电预测精度;通过不同误差下的对比实验分析对家庭用电管理系统性能的影响。结果:当光伏发电预测误差分别为-10%、-5%、+5%、+10%时,目标函数最优值分别降低了6.78%、3.45%、4.48%、9.19%;采用HEMS优化系统有很大的优势,与优化前相比,性能提高约13.96%;麻雀算法优化BP预测误差在5%以内。结论:光伏发电预测误差会降低家庭用电管理系统性能;改进的二进制粒子群算法可以有效优化家庭用电管理系统;麻雀算法优化BP的预测可以降低预测误差。

Prediction model for permeability index by integrating case-based reasoning with adaptive particle swarm optimization

To effectively predict the permeability index of smelting process in the imperial smelting furnace, an intelligent prediction model is proposed. It integrates the case-based reasoning （CBR） with adaptive par- ticle swarm optimization （PSO）. The nmnber of nearest neighbors and the weighted features vector are optimized online using the adaptive PSO to improve the prediction accuracy of CBR. The adaptive inertia weight and mutation operation are used to overcome the premature convergence of the PSO. The proposed method is validated a compared with the basic weighted CBR. The results show that the proposed model has higher prediction accuracy and better performance than the basic CBR model.