基于混合元啟發式算法優化神經網絡的熱舒適度預測模型

朱嬋

摘 要：熱舒適度指標的計算過程具有多參數、非線性、高復雜度等特點，致使空調的實時控制器無法直接使用。針對這一問題，提出了一種基于混合元啟發式算法神經網絡的熱舒適度預測模型：GACS神經網絡。其中，GACS算法是一類融合了遺傳算法和布谷鳥搜索的混合元啟發式算法。仿真實驗表明：與遺傳算法相比，GACS算法在全局搜索能力方面得到了極大提升，其優化出的GACS神經網絡具有更高的預測精度。

關鍵詞：熱舒適度;PMV指標;神經網絡;遺傳算法;布谷鳥算法

中圖分類號：TP311

文獻標志碼：A

文章編號：1007-757X（2020）11-0066-04

Abstract：The calculation process of thermal comfort index has the characteristics of multi-parameters， non-linearity and high complexity， which makes the real-time controller of air conditioning unable to be used directly. To solve this problem， a thermal comfort prediction model based on hybrid meta-heuristic algorithm and neural network is proposed， i.e.， GACS neural network. GACS is a hybrid meta-heuristic algorithm， it combines genetic algorithm and Cuckoo search. The simulation results show that compared with genetic algorithm， GACS algorithm has greatly improved the global search ability， and the optimized GACS neural network has higher prediction accuracy.

Key words：comfort;PMV index;neural network;genetic algorithm;Cuckoo search

0?引言

目前，大型建筑物內的空調控制方案大多以恒溫控制為主，這不僅無法滿足用戶對熱舒適度的多樣化需求，還導致了不必要的能源消耗。上世紀60年代，丹麥工業大學的Franger教授提出了熱舒適度方程，該方程可根據環境參數和人類活動情況綜合計算出人體的熱舒適度指標（Predicted Mean Vote，PMV指標）[1]。1984年，國際標準化組織（ISO）根據Franger教授的研究成果制訂了ISO7730標準，即《適中的熱環境——PMV與PPD指標的確定及熱舒適條件的確定》[2]。熱舒適度方程表明：人體舒適度與人類活動、衣著、空氣溫度、濕度、風速等多方面因素有關，因此，根據實際場景靈活調整空調的設定，可以在保證舒適度的前提下，有效降低空調能耗[3]。但熱舒適度方程的計算具有多參數、非線性、高復雜度等特點，而空調實時控制器結構簡單，無法完成計算[4]。2002年，高立新、白樺等人提出利用BP神經網絡構建PMV快速預測模型，仿真實驗表明，該模型的預測準確率在95%以上，完全能夠滿足空調實時控制系統的要求[5]。……