《表3 BP模型预测结果统计评价》

  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BP神经网络模型的大型公共建筑冷负荷预测》

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

为了验证BP网络模型的预测准确性，将待预测的输入变量X0放入已经训练好的神经网络模型中sim（net，X0）。对9～10月的负荷进行预测（1536个数据量），并将预测结果与EnergyPlus模拟的数据进行对比。两个月的预测结果见图7，统计评价指标见表3。选择其中一个星期的预测结果进行对比展示，见图8。可以看出，在两个月的负荷预测过程中，BP模型预测结果的决定系数R2达到0.987，标准偏差σ仅为161.1kW，EEP和CV分别为2.7%、7%。各项评价指标都在较小的范围内，这说明BP神经网络模型有很强的非线性映射能力和极高的预测准确性。