论文部分内容阅读
针对传统BP神经网络模型预测办公建筑能耗时预测精度受输入变量之间非线性特性影响较大、模型泛化能力不强等问题,建立了结合因子分析法的改进FA-BP神经网络组合预测模型.以实际调研的能耗数据为基础,采用因子分析法对能耗的相关影响因素进行降维处理,得到4个公因子,以此作为神经网络的输入参数进行实证分析.结果 显示,改进的FA-BP神经网络组合模型在预测办公建筑能耗方面,较传统的BP神经网络模型具有更高的预测精度,其平均相对误差为1.728％,表明因子分析法可以有效降低神经网络输入参数的复杂维度.