由于被动式近零能耗建筑实际日耗热量受多种因素影响、特征难提取,导致日耗热量预测难度较大。为此,提出一种基于离散稀疏函数的建筑实际日耗热量预测方法。采用离散稀疏函数计算历史建筑日耗热量数据,在不同维度层次上特征向量和稀疏参...由于被动式近零能耗建筑实际日耗热量受多种因素影响、特征难提取,导致日耗热量预测难度较大。为此,提出一种基于离散稀疏函数的建筑实际日耗热量预测方法。采用离散稀疏函数计算历史建筑日耗热量数据,在不同维度层次上特征向量和稀疏参数,利用激活函数建立偏离惩罚项,明确每个热量先验信息数据与中心值间的偏离度。采用线性传递函数求得会影响实际日耗热量间的线性变化关系,建立时间序列,采用自回归算法得出时间和热量的正向变化序列,实现对日耗热量的预测。实验数据证明,所提方法日耗热量预测精准度较高,针对热负荷、冷负荷以及预测平均评价(Predicted Mean Vote, PMV)指标均实现了高效预测。展开更多
基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)作为一种重要的多目标优化方法,已经成功地应用于解决各种多目标优化问题。然而,MOEA/D算法在解决具有高维目标和复杂帕累托前沿(Pare...基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)作为一种重要的多目标优化方法,已经成功地应用于解决各种多目标优化问题。然而,MOEA/D算法在解决具有高维目标和复杂帕累托前沿(Pareto frontier,PF)的问题时,容易陷入局部最优并难以获得可行解。本文提出一种改进的MOEA/D算法,包括3个优化策略:首先,使用拉丁超立方抽样方法代替随机方法初始化种群,得到分布均匀的初始种群,同时对权重向量关联解的策略进行优化;其次,提出一种稀疏度函数,用于计算种群中个体的稀疏度并维护外部种群;最后,提出了自适应调整权向量的方法,用于引导种群收敛到帕累托前沿,并且有效平衡种群的多样性和收敛性。将提出算法和4种对比算法在DTLZ和WFG系列问题以及多目标旅行商问题(multi-objective travel salesman problem,MOTSP)上进行对比实验,实验结果表明本文提出自适应调整权重向量的多目标进化(MOEA/D with cosine similarity adaptive weight adjustment,MOEA/D-CSAW)算法在处理具有复杂帕累托前沿和高维多目标的问题时,算法的综合性能要优于对比算法。展开更多
文摘由于被动式近零能耗建筑实际日耗热量受多种因素影响、特征难提取,导致日耗热量预测难度较大。为此,提出一种基于离散稀疏函数的建筑实际日耗热量预测方法。采用离散稀疏函数计算历史建筑日耗热量数据,在不同维度层次上特征向量和稀疏参数,利用激活函数建立偏离惩罚项,明确每个热量先验信息数据与中心值间的偏离度。采用线性传递函数求得会影响实际日耗热量间的线性变化关系,建立时间序列,采用自回归算法得出时间和热量的正向变化序列,实现对日耗热量的预测。实验数据证明,所提方法日耗热量预测精准度较高,针对热负荷、冷负荷以及预测平均评价(Predicted Mean Vote, PMV)指标均实现了高效预测。
