基于改进径向基函数神经网络的办公建筑用电能耗预测研究的开题报告.docx

基于改进径向基函数神经网络的办公建筑用电能耗预测研究的开题报告
一、选题背景与意义
建筑能耗在现代社会已成为一个十分重要的研究领域。大型建筑用电能耗的变动会直接影响供电系统的运营，同时也会对环境造成不良的影响。因此，提高办公建筑的能源利用效率已经成为一种趋势。在建筑用电能耗方面，预测是其中关键的一步。
给建筑设计者、维护人员、管理者或政府有一个有效的工具，预测建筑用电能耗的方法可以帮助他们制定或优化设计方案、计划更高效的设备运营、提供建筑节能的决策支持，或制定节能政策。因此，本研究选择办公建筑用电能耗预测作为研究对象。
二、选题研究现状
目前，建筑用电能耗预测的研究主要包括以下几个方面：
1.统计学模型
如多元回归分析方法、基于时间序列的方法等。这些方法具有通用性，但需要大量原始数据，且需要选用适当的变量。
2.人工神经网络
利用神经网络模型可以非线性地建立输入参数与输出结果的映射关系，同时适应能力强，具有很强的泛化能力。
3.基于机器学习的方法
如支持向量回归、随机森林等，这些方法适用性广，精度高，非常适合处理包含大量参数和变量的问题。
三、研究内容与方法
为了提高办公建筑用电能耗预测的精度，本研究将利用改进的径向基函数神经网络(RBFNN)模型。本研究将采用神经网络模型进行预测，RBFNN模型是一种广泛使用的神经网络模型，它通过建立径向基函数的组合达到模拟复杂非线性系统的目的。
改进的RBFNN模型将采用带权中心点的方法，通过自适应的寻找可靠的中心点，形成合适的径向基函数，以降低网络误差和提高预测精度。另外，我们还会加入遗传算法（GA）来优化各个参数的取值以使得预测结果更加准确。
四、研究计划及预期结果
1.研究计划
(1)收集建筑用电能耗数据;
(2)数据预处理，包括数据清洗、数据规范化等;
(3)建立改进的RBFNN预测模型;
(4)添加遗传算法进行参数优化;
(5)模型训练和测试;
(6)分析与评估。
2.预期结果
(1)建立高精度的办公建筑用电能耗预测模型;
(2)实现建筑能耗最小化，为节能提供决策支持;
(3)推进绿色建筑理念的实践。
五、研究难点
本研究的难点主要集中在以下两个方面：
1.建筑用电数据采集和处理难度较大；
2.RBFNN神经网络算法在应用时也存在一些问题，例如：中心点选择、参数设置等，对算法的优化也是一个难点。
六、研究意义
1.增加建筑用电能耗预测准确度;
2.为建筑设计和节能方案提供科学决策支持;
3.推广可持续发展和绿色建筑理念，为节能减排做出贡献。
总之，本研究将通过建立改进的RBFNN模型进行办公建筑用电能耗预测，分析和评估模型精度，为建筑节能和可持续发展提供决策支持。