結(jié)合工程實際情況,介紹了空調(diào)負荷的人工神經(jīng)網(wǎng)絡計算模型,并對該模型進行了仿真驗證。分析表明,該模型具有一定的準確度,適合相關工程領域的應用。
在空調(diào)工程領域,空調(diào)負荷的計算是一項非常重要的工作,從某種角度來說,合理的空調(diào)負荷直接影響一個項目的順利推進。正因為該項工作很重要,因此有必要探討如何高效準確地計算空調(diào)負荷。在工程實踐中,空調(diào)負荷的計算常采用兩類方法:一是詳細計算法,通常采用冷負荷系數(shù)法和諧波反應法,按每一個圍護結(jié)構(gòu)進行計算,并考慮人體、照明、設備等產(chǎn)生的負荷,對于夏季冷負荷,還需要逐時計算,工作量非常大;還有一個是估算法,通常利用面積指標進行估算。這兩種方法各有優(yōu)缺點,前者較準確,但效率不高;后者比較快捷,但面積指標往往沒能考慮地域的影響,在一定程度上會影響精度。鑒于此,有必要探討一種兼顧效率和精度的計算方法。
針對上述分析,本文嘗試用人工智能技術建立了該問題的算法模型。由于空調(diào)負荷計算是一個實踐性很強的工作,工程實踐中有大量的既有數(shù)據(jù)可供參考,因此,可以發(fā)揮人工智能技術的學習功能,只要用于學習的初始數(shù)據(jù)足夠多,學習模型和學習時間合理,是能夠得到較理想的計算模型的。本文以成熟的BP人工神經(jīng)網(wǎng)絡為基礎,利用一定數(shù)量的工程數(shù)據(jù),對算法模型進行了學習訓練,最終得到了較為合理的網(wǎng)絡計算模型,并對該模型進行了仿真驗證,結(jié)果表明,該模型對現(xiàn)有數(shù)據(jù)具有較高的擬合度,可以用來估算相關空調(diào)工程負荷。
人工智能技術是近幾年發(fā)展起來的一種機器學習技術,其利用足夠的原始數(shù)據(jù),對機器進行反復訓練,讓機器具有一定的智能。這里以經(jīng)典的BP人工神經(jīng)網(wǎng)絡為基礎,建立算法模型。
人工神經(jīng)網(wǎng)絡是由大量處理單元互聯(lián)組成的非線性、自適應信息處理系統(tǒng)。它是在現(xiàn)代神經(jīng)科學的基礎上提出的,試圖通過模擬大腦的工作方式進行信息處理。BP神經(jīng)網(wǎng)絡模型拓撲結(jié)構(gòu)包括輸入層、隱層和輸出層,中間層可以是單層或多層。圖1為一個典型的BP人工神經(jīng)網(wǎng)絡拓撲結(jié)構(gòu)圖,通過將已有數(shù)據(jù)代入該結(jié)構(gòu)中進行學習訓練,可得到滿足一定精度要求的神經(jīng)網(wǎng)絡模型。訓練完成后的人工神經(jīng)網(wǎng)絡可以用來擬合已知輸入和輸出的關系,也可以預測新數(shù)據(jù)的輸出值[1]。
針對空調(diào)負荷計算的特點,這里的輸入層參數(shù)取3個,分別為熱工分區(qū)、建筑類型和建筑面積,隱層取1層,輸出層參數(shù)取1個,為空調(diào)最大冷負荷(熱負荷的計算原理與此相同)。
上述人工神經(jīng)網(wǎng)絡模型可以用來快速準確計算空調(diào)工程最大冷負荷,該模型還可以用在空調(diào)建設工程的許多環(huán)節(jié)。比如在項目前期,擬在某二線城市建設一個綜合樓,已知該地區(qū)位于夏熱冬暖地區(qū),建筑性質(zhì)為辦公樓,擬實施的建筑面積為15000m2,要求對項目的空調(diào)冷負荷進行預測,以便于估算空調(diào)造價。這是一個典型的空調(diào)負荷計算問題,可以利用前面介紹的訓練好的人工神經(jīng)網(wǎng)絡模型得到預測結(jié)果,如表4所示。
空調(diào)負荷的計算,直接影響項目進度和建設效果。由于工程實踐中影響空調(diào)負荷的因素有很多,很難找到一個通用簡潔的數(shù)學公式。本文介紹的人工神經(jīng)網(wǎng)絡模型,可以針對已有的樣本數(shù)據(jù)進行訓練學習,能夠得到較高的仿真及預測精度,可以廣泛應用在相關工程實踐中.