首页--工业技术论文--建筑科学论文--房屋建筑设备论文--空气调节、采暖、通风及其设备论文--空气调节论文--冷热负荷计算论文

空调负荷单变量时间序列混合预测建模方法研究与应用

摘要第5-7页
ABSTRACT第7-8页
第一章 绪论第12-23页
    1.1 研究背景及研究意义第12-13页
    1.2 负荷预测研究现状第13-20页
        1.2.1 工程模拟法第13-14页
        1.2.2 多元回归分析建模第14-15页
        1.2.3 时间序列建模第15-16页
        1.2.4 机器学习预测建模方法第16-18页
        1.2.5 时间序列混合预测建模方法第18-20页
    1.3 本文研究的主要内容第20-23页
第二章 空调负荷预测建模相关理论第23-40页
    2.1 支持向量回归机预测建模第23-27页
        2.1.1 支持向量回归机基本原理第23-25页
        2.1.2 粒子群算法基本原理第25-26页
        2.1.3 基于PSO的SVR模型参数优化建模第26-27页
    2.2 机器学习的空调负荷时间序列建模方法第27-39页
        2.2.1 小波分解时间序列混合预测建模第29-35页
        2.2.2 混沌时间序列混合预测建模第35-39页
    2.3 本章小结第39-40页
第三章 基于WD-SVR的单变量时间序列办公建筑空调负荷混合预测仿真研究第40-55页
    3.1 数据来源第40-41页
    3.2 评价指标第41-42页
    3.3 基于WD-SVR预测建模方法第42-52页
        3.3.1 小波基选择第42-48页
        3.3.2 小波分解层数的选择第48-50页
        3.3.3 小波分解第50-51页
        3.3.4 支持向量机相关参数寻优第51-52页
        3.3.5 支持向量机负荷预测及小波重构第52页
    3.4 仿真结果分析第52-54页
    3.5 本章小结第54-55页
第四章 基于C-SVR的单变量时间序列商场建筑空调负荷混合预测仿真研究第55-65页
    4.1 实验平台及数据来源第55-58页
    4.2 模型精度评价指标第58页
    4.3 混沌特征参数及混沌特性分析第58-62页
        4.3.1 延迟时间的确定第59页
        4.3.2 嵌入维数的确定第59-60页
        4.3.3 混沌特性分析第60-61页
        4.3.4 相空间重构第61-62页
    4.4 粒子群算法寻优第62-63页
    4.5 仿真结果分析第63-64页
    4.6 本章小结第64-65页
第五章 基于WD-SVR和C-SVR的两类建筑空调负荷预测对比第65-80页
    5.1 基于C-SVR的办公建筑空调负荷预测第65-69页
        5.1.1 数据来源第65页
        5.1.2 评价指标第65页
        5.1.3 混沌特征参数及混沌特性分析第65-67页
        5.1.4 粒子群算法寻优第67-68页
        5.1.5 仿真结果分析第68-69页
    5.2 WD-SVR与C-SVR法的办公建筑空调负荷预测精度对比第69-72页
    5.3 基于WD-SVR的商场建筑空调负荷预测第72-76页
        5.3.1 数据来源第72页
        5.3.2 评价指标第72页
        5.3.3 小波分解第72-74页
        5.3.4 支持向量机超参数寻优第74-75页
        5.3.5 支持向量机负荷预测及小波重构第75-76页
    5.4 WD-SVR与C-SVR法的商场建筑空调负荷预测精度对比第76-78页
    5.5 本章小结第78-80页
结论第80-82页
参考文献第82-88页
攻读硕士学位期间取得的研究成果第88-89页
致谢第89-91页
附件第91页

论文共91页,点击 下载论文
上一篇:不同微咸水埋深模拟条件下浅层土壤及中华柽柳的水盐分布特征
下一篇:格子Boltzmann方法在气固两相流中的应用研究