文献类型：期刊文章

作　　者：王永海[1] 李云峰[1] 董军[1] 关爱章[1] 王华秋[2] 向力[3]

WANG Yonghai;LI Yunfeng;DONG Jun;GUAN Aizhang;WANG Huaqiu;XIANG Li(Xiangyang Cigarette Factory,Hubei China Tobacco Industry Co.,Ltd.,Xiangyang 441000,China;School of Artificial Intelligence,Chongqing University of Technology,Chongqing 401135,China;Chongqing Taihe Air Conditioning Automatic Control Co.,Ltd.,Chongqing 400030,China)

机构地区：[1]湖北中烟工业有限责任公司襄阳卷烟厂,湖北襄阳441000 [2]重庆理工大学两江人工智能学院,重庆401135 [3]重庆太和空调自控有限公司,重庆400030

出　　处：《重庆理工大学学报（自然科学）》

基　　金：国家科技部重点研发计划(2018YFB1700803);重庆市科委一般自然基金项目(cstc2019jcyj-msxmX0500)。

年　　份：2023

卷　　号：37

期　　号：6

起止页码：249-258

语　　种：中文

收录情况：BDHX、BDHX2020、RCCSE、ZGKJHX、核心刊

摘　　要：针对深度回声状态网络的输入权值随意性太大、中间状态数量庞大、关键参数凑试决定等问题,运用灰色关联度计算属性间的相关性从而确定输入权值。采用聚类算法简化中间状态,并用坐标轮换法搜索最佳的深度网络层数和储备池个数,对算法进行改进。通过UCI标准数据集的实验,发现改进后的算法提升了预测精度和速度。采用改进的深度回声网络预测卷烟厂空调负荷,通过当前时刻的内外部条件,解决由于负荷数据周期性波动所造成的预测效率低的问题,及时准确地预测出了下一时刻的空调负荷,提前对冷水机组的运行策略进行了调节,从而达到空调节能的目的。

关 键 词：深度回声状态网络  灰色关联度  聚类 坐标轮换法  空调负荷预测

分 类 号：TP391.9] TP301.6[计算机类]