超燃！Wang, Guimei发表的第1篇Energy：结合传统神经网络确定住宅建筑能耗的进化算法的应用和评估
论论资讯 ｜ 2024-04-29 ｜
106热度
Energy
Explore content
About the journal
Publish with us
Application and evaluation of the evolutionary algorithms combined with conventional neural network to determine the building energy consumption of the residential sector
Wang G.; Mukhtar A.; Moayedi H.; Khalilpoor N.; Tt Q.
Published：2024-07-01
DOI：10.1016/j.energy.2024.131312
研究背景
如今，随着社会的发展，人们对居住能源消耗的关注日益增加。为了促进可持续发展并减少环境影响，降低居住区能源消耗变得至关重要。然而，当前研究领域存在一个问题：如何准确预测建筑能源消耗是一个亟待解决的挑战。
研究内容
最近发表在《Energy》期刊上的一项研究探讨了利用进化算法结合传统神经网络来预测居住区建筑能源消耗的方法。研究旨在评估三种进化算法——基于堆的优化器（HBO）、多元宇宙优化器（MVO）和鲸鱼优化算法（WOA）的性能，并比较它们在预测能源消耗方面的有效性。研究将每种算法整合到神经网络框架中，以优化预测模型。通过训练和测试数据集来评估模型的性能。研究采用了两个关键的统计指标——均方根误差（RMSE）和R平方（R<sup>2</sup>）来评估预测的准确性。研究结果显示，MVO在训练和测试数据集上均取得了最高的分数，RMSE分别为48.55082和68.44517，R<sup>2</sup>分别为0.99184和0.98236，表明相较于HBO和WOA，MVO具有更高的预测准确性。
研究意义
这项研究的创新之处在于强调了算法选择对于优化能源消耗预测模型的重要性。未来的研究可以探索混合方法或参数调整，以提高进化算法在这一领域的性能。总体而言，这项研究有助于推动能源预测技术的发展，对于居住区能源管理和节约工作可能产生重要影响。
学术热榜
查看全部
相关资讯
换一批