《表3 BP模型预测结果统计评价》
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。
图表编号 | XD0036613500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.10 |
作者 | 陈锐彬、李泽奇、黄永益 |
绘制单位 | 中国建筑科学研究院有限公司、中国建筑科学研究院有限公司、广州大学 |
更多格式 | 高清、无水印(增值服务) |