自适应模糊推理系统在城市建筑能耗预测中的比较研究
人工智能
2018-09-25 v1 神经与进化计算
摘要
本研究旨在探讨不同的自适应模糊推理算法，这些算法具备对时间序列数据进行实时顺序学习与预测的能力。对元认知模糊推理系统（McFIS）、顺序自适应模糊推理系统（SAFIS）和演化Takagi-Sugeno（ETS）模型等算法进行了简要的定性描述，全面比较了它们的工作原理，尤其讨论了各自的独特特性。随后利用从新加坡南洋理工大学某学术建筑采集的数据集对这些算法进行仿真。通过预测输出的均方根误差（RMSE）和无损误差指数（NDEI）比较其性能。分析表明，与ETS和SAFIS相比，McFIS在取得更低RMSE和NDEI或更低结构复杂度方面均展现出有前景的结果。统计分析也揭示了这些算法结果的显著性。
引用
@article{arxiv.1809.08860,
title = {A Comparative Study: Adaptive Fuzzy Inference Systems for Energy Prediction in Urban Buildings},
author = {Mainak Dan and Seshadhri Srinivasan},
journal= {arXiv preprint arXiv:1809.08860},
year = {2018}
}
备注
5 pages, 2 figures, keyword: Short-term energy prediction, evolving Takagi-Sugeno model, meta-cognitive fuzzy inference system, sequential adaptive fuzzy inference system