广西师范大学学报（自然科学版） ›› 2011, Vol. 29 ›› Issue (2): 219-222.

• • 上一篇    下一篇

基于BP网络的智能建筑温度场辨识方法研究

程红梅1,2, 张振亚1,3, 张曙光1   

  1. 1.中国科学技术大学管理学院,安徽合肥230026;
    2.安徽建筑工业学院管理学院,安徽合肥230022;
    3. 安徽建筑工业学院安徽省智能建筑重点实验室,安徽合肥230022
  • 收稿日期:2011-05-10 发布日期:2018-11-19
  • 通讯作者: 张振亚(1972—),男,安徽淮北人,中国科学技术大学副教授,博士。E-mail:zzychm@ustc.edu.cn
  • 基金资助:
    国家重点基础研究发展规划项目(2007CB814901);安徽省自然科学基金资助项目(090412069);安徽省高校自然科学研究重点项目(KJ2009A143);中国博士后科学基金资助项目(20100480702)

Identification of Temperature Field in Intelligent Building Based on BP Network

CHENG Hong-mei1,2, ZHANG Zhen-ya1,3, ZHANG Shu-guang1   

  1. 1.School of Management,Universityof Science and Technology of China,Hefei Anhui 230026,China;
    2.School of Management,Anhui University of Architecture,Hefei Anhui 230022,China;
    3.Key Laboratory of Intelligent Building of Anhui Province,Anhui University of Architecture,Hefei Anhui 230022,China
  • Received:2011-05-10 Published:2018-11-19

摘要： 监测区域内温度场有效辨识是智能建筑能效管理的关键。本文将监测区域温度场辨识计算问题定义为一个最优化问题,采用前向神经网络作为温度场辨识计算结构,使用最小最大法为基础的球极射影方法对原始数据进行规范化处理,对BP网络和RBF网络作为辨识结构时的监测区域内温度场辨识性能进行测试与分析。实验结果表明,以BP神经网络作为辨识结构的监测区域温度场辨识计算模型性能良好。

关键词: 温度场, 辨识, 神经网络, 球极射影, 规范化

Abstract: The identification of temperature filed of monitored region is one of the keysteps for the energy efficiency management in intelligent buildings.In this paper,the identification of temperature field in monitored region is treated as oneoptimization problem and feed forward neural network is adopted as the identification structure.To improve the performance of the identification model,input data of the desired neural network is normalized with minimum maximum methodas middle image and the normalized image of the input data is the stereographic projection of the middle image.To test the performance of the proposed identification model,BP and RBF neural networks are used as the desired feed forward neural network with temperature matrix for the infrared photograph in the experiment.Experiment results show that the performance of BP based temperature field identification model perporms well.

Key words: temperature field, identification, neural network, stereographic projection, normalization

中图分类号: 

  • TP391
[1] RALEGAONKAR R V,GUPTA R.Review of intelligent building construction:a passive solar architecture approach[J].Renewable and Sustainable Energy Reviews,2010,14(8):2238-2242.
[2] BRAUN J E.Intelligent building systems-past,present,and future[C]//Proceedings of the 2007 American Control Conference.New York:IEEE Press,2007:4374-4381.
[3] 李晋,秦琳琳,岳大志,等.试验温室温度系统建模与仿真[J].系统仿真学报,2008,20(7):1869-1875.
[4] 陆寅,苗克坚,何维.基于情境上下文感知的温度监测与警报系统[J].计算机应用,2009,29(2):583-585,594.
[5] DEO D S.Applications of expert system/neural networks/genetic algorithms in an intelligent building complex[J].Journal of the Institution of Engineers(India):Architectural Engineering Division,2006,87(10):4-9.
[6] 杨光友,刘琼.前向神经网络粒子群优化学习算法研究[J].广西师范大学学报:自然科学版,2008,26(3):151-156.
[7] CHEN Liang,FANG Qian-sheng,ZHANG Zhen-ya.Research on the identification of temperature in intelligent building based on feed forward neural network and particle swarm optimization algorithm[C]//Proceedings of 2010 International Conference on Natural Computation:Vol 4.Los Alamitos,CA:IEEE Computer Society,2010:1816-1820.
[1] 马玲, 罗晓曙, 蒋品群. 一种基于PNN的点阵喷码字符识别方法[J]. 广西师范大学学报（自然科学版）, 2020, 38(4): 32-41.
[2] 李雅岱, 韦笃取. 含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报（自然科学版）, 2020, 38(3): 19-24.
[3] 严浩, 许洪波, 沈英汉, 程学旗. 开放式中文事件检测研究[J]. 广西师范大学学报（自然科学版）, 2020, 38(2): 64-71.
[4] 刘欣, 罗晓曙, 赵书林. 基于BP神经网络的三轴增稳云台自抗扰控制[J]. 广西师范大学学报（自然科学版）, 2020, 38(2): 115-120.
[5] 罗兰, 周楠, 司杰. 不确定细胞神经网络鲁棒稳定新的时滞划分法[J]. 广西师范大学学报（自然科学版）, 2019, 37(4): 45-52.
[6] 范瑞,蒋品群,曾上游,夏海英,廖志贤,李鹏. 多尺度并行融合的轻量级卷积神经网络设计[J]. 广西师范大学学报（自然科学版）, 2019, 37(3): 50-59.
[7] 许伦辉, 陈凯勋. 基于改进萤火虫算法优化BP神经网络的路网速度分布预测[J]. 广西师范大学学报（自然科学版）, 2019, 37(2): 1-8.
[8] 张金磊, 罗玉玲, 付强. 基于门控循环单元神经网络的金融时间序列预测[J]. 广西师范大学学报（自然科学版）, 2019, 37(2): 82-89.
[9] 黄丽明, 陈维政, 闫宏飞, 陈翀. 基于循环神经网络和深度学习的股票预测方法[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 13-22.
[10] 武文雅, 陈钰枫, 徐金安, 张玉洁. 基于高层语义注意力机制的中文实体关系抽取[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 32-41.
[11] 林原, 刘海峰, 林鸿飞, 许侃. 基于损失函数融合的组排序学习方法[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 62-70.
[12] 王祺, 邱家辉, 阮彤, 高大启, 高炬. 基于循环胶囊网络的临床语义关系识别研究[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 80-88.
[13] 薛洋,曾庆科,夏海英,王文涛. 基于卷积神经网络超分辨率重建的遥感图像融合[J]. 广西师范大学学报（自然科学版）, 2018, 36(2): 33-41.
[14] 万雷,罗玉玲,黄星月. 脉冲神经网络硬件系统性能监测平台[J]. 广西师范大学学报（自然科学版）, 2018, 36(1): 9-16.
[15] 钟海鑫, 丘森辉, 罗晓曙, 唐堂, 杨力, 赵帅. 基于附加惯性项BP神经网络的四旋翼无人机姿态控制研究[J]. 广西师范大学学报（自然科学版）, 2017, 35(2): 24-31.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 广西师范大学学报（自然科学版）编辑部
地址：广西桂林市三里店育才路15号　邮编：541004
电话：0773-5857325　E-mail: gxsdzkb@mailbox.gxnu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发