《表3 三种模型压缩机输入功率预测结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于粒子群优化算法和BP神经网络的变频压缩机功率预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文针对内插、蒸发温度外推、冷凝温度外推3种测试方法分别对3种模型进行对比分析，仿真结果如表3所示。PSO-BP模型的压缩机输入功率预测相对误差如图6～图8所示，除了极少处异常值（笔者分析是因制冷系统未稳定或人为误差造成的异常值）外，PSO-BP模型的预测结果的相对误差均在1%以内，效果良好。可以看出:1)数据内插时，3种模型平均相对误差均较小，在1%以内，拟合优度均接近1，预测良好；2)蒸发温度外推时，PSO-BP神经网络模型预测能力最好，平均相对误差为0.41%，拟合优度为0.999 9；3)冷凝温度外推时，BP神经网络和GA-BP神经网络模型均出现预测误差较大的情况，PSO-BP模型仍表现出较好的预测能力。