检索结果-南通市图书馆

计算机仿真 2024年第8期41卷 320-325页

作者：刘磊董纹杉金雅庆长春工业大学人文信息学院吉林长春130122 吉林建筑大学艺术设计学院吉林长春130000

绿色建筑窗体太阳辐射热量预测实时性低且准确性差,为解决上述问题,提高研究的实用性,基于外环境数据处理,在相关性分析与聚类分析的基础上,提出一种数据处理与数据预测相融合的建筑室内太阳辐射热量预测算法,即PKM_SVR算法。算法首先... 详细信息

绿色建筑窗体太阳辐射热量预测实时性低且准确性差,为解决上述问题,提高研究的实用性,基于外环境数据处理,在相关性分析与聚类分析的基础上,提出一种数据处理与数据预测相融合的建筑室内太阳辐射热量预测算法,即PKM_SVR算法。算法首先对外环境数据进行预处理,然后在Dynamic Daylighting中构建房屋建筑主体;接着对室外环境数据进行匹配,通过选则窗体透射率,计算该状态下室内逐块辐射热量;然后对室内辐射热量与室外环境数据进行相关性分析与聚类处理,并将处理后的数据划分成训练、测试集;最后基于交叉验证的方法构建优化PKM_SVR室内辐射热量初始预测模型。仿真结果表明,十折交叉算法对模型优化效率最高,此时G=0.692、C=5.824,且R^(2)=0.925;对比仿真结果表明,较其它基线算法模型相比,PKM_SVR模型具有最低的RMSE指标参数,较ANN与SVM模型相比,分别降低了23.1%和31.3%,且具有较高的R^(2)指标参数,平均提升了10.7%。综上所述,PKM_SVR算法有效的提升了室内热量预测的准确率,具有重要的仿真价值。

关键词：辐射热量聚类相关性分析

来源：