BuildEnergyPredictionUsedBP.rar_matlab 预测_建筑能耗_建筑能耗预测_能耗_能耗预测

%利用BP神经网络对建筑能耗进行预测 %作者：姚丽丽 %2015-6-24 clear; %清除工作空间的内容 clc; %清除命令窗口的内容 % 输入，共15个：墙体平均传热系数、墙体平均热惰性指标、屋顶传热系数、体型系数、外墙太阳辐射吸收系数、东向窗墙比、西向窗墙比、南向窗墙比、北向窗墙比、平均窗墙 % 比、东窗遮阳系数、西窗遮阳系数、北窗遮阳系数、综合遮阳系数 X=[1.62 3.34 0.76 0.44 0.50 0.18 0.29 0.18 0.36 0.26 0.70 0.70 0.70 0.70 0.80; 1.62 3.34 0.76 0.43 0.50 0.15 0.37 0.17 0.31 0.26 0.79 0.77 0.79 0.80 0.79; 1.62 3.34 0.80 0.43 0.50 0.17 0.31 0.15 0.37 0.26 0.80 0.80 0.80 0.79 0.80; 1.65 3.32 0.76 0.45 0.50 0.17 0.35 0.22 0.00 0.24 0.80 0.80 0.80 1.00 0.80; 1.66 3.32 0.76 0.44 0.50 0.18 0.30 0.15 0.37 0.25 0.79 0.79 0.79 0.79 0.79; 1.62 3.34 0.76 0.44 0.50 0.15 0.37 0.17 0.31 0.26 0.79 0.79 0.79 0.80 0.79; 1.62 3.34 0.76 0.45 0.50 0.32 0.13 0.25 0.00 0.24 0.80 0.80 0.80 1.00 0.80; 1.62 3.34 0.76 0.45 0.50 0.32 0.13 0.25 0.00 0.24 0.80 0.80 0.80 1.00 0.80; 1.73 3.28 0.74 0.38 0.75 0.17 0.37 0.17 0.39 0.30 0.60 0.56 0.60 0.58 0.57]; %disp(X); X1=X'; X2=[2.25 2.98 0.74 0.40 0.70 0.18 0.40 0.18 0.36 0.31 0.50 0.48 0.53 0.45 0.48; 1.73 3.28 0.74 0.38 0.70 0.17 0.37 0.17 0.39 0.30 0.60 0.56 0.60 0.58 0.57; 1.72 3.29 0.74 0.35 0.70 0.31 0.30 0.16 0.42 0.31 0.57 0.55 0.62 0.56 0.57; 1.72 3.29 0.74 0.35 0.70 0.35 0.30 0.12 0.42 0.31 0.60 0.57 0.64 0.58 0.59]; %disp(X1); %输出，全年单位建筑面积能耗量 %D=[9.56 12.41 12.43 12.73 9.61 7.78 11.91 10.69 11.84]; %输出空调年耗电指数 D=[59.46 59.5 58.93 66.3 59.2 59.5 64.48 65.94 60.33]; figure; plot(X1,D,'*'); %绘制原始数据分布图 %参数：[最小,最大值]，[隐含层个数，输出层个数]，{输入到隐含层激励函数，隐含到输出层激励函数}， net = newff(minmax(X1),[5 1],{'tansig','purelin'}); net.trainParam.epochs = 1000; %训练最大次数 net.trainParam.goal = 1e-6; %全局最小误差 [net,tr] = train (net,X1,D); %训练数据 O = sim(net,X1); fprintf('模拟训练O值：\n'); disp(O); fprintf('实际训练D值：\n'); disp(D); Y=sim(net,X2'); fprintf('模拟测试Y值：\n'); disp(Y); %figure; %plot(X1,D,'*',X1,O,'-r'); % 绘制训练后得到的结果和误差曲线 V=net.iw{1,1}; %输入层到中间层权值 theta1=net.b{1}; %中间层个神经元阈值 W=net.lw{2,1};%中间层到输出层权值 theta2 = net.b{2};%输出层各神经元阈值 fprintf('输入层到中间层权值：\n'); disp(V); fprintf('中间层神经元阈值：\n'); disp(theta1); fprintf('中间层到输出层权值：\n'); disp(W); fprintf('输出层神经元阈值：\n'); disp(theta2);