《表4 某商业建筑8月上半月负荷预测实例》

  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

《基于夏季气象因素变化的建筑物空调负荷基线预测方法》

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

3) 基于确定的N个典型相似日，采用BP神经网络算法，将第1~3天的WTHI、1~24 h的空调负荷及第4天的WTHI作为神经网络的76个输入量，将第4天的1~24 h空调负荷作为神经网络的24个输出量，依次循环，最后将平均空调负荷值与实际空调负荷值进行对比，并计算误差，如表4所示。