天气条件对区域供热系统的影响
机器学习
2020-01-29 v2 机器学习
摘要
使用人工神经网络预测热需求已引起越来越多的关注。环境条件如环境温度、风速和太阳直接辐照度已被确定为关键输入参数。为了进一步提高模型精度，理解不同参数的影响十分重要。基于 Elman 神经网络（ENN），本文研究了风速和太阳直接辐照度对区域供热网络热需求预测的影响。结果表明，包含风速通常比包含太阳直接辐照度获得更低的总体平均绝对百分比误差（MAPE）（6.43% 对比 6.47%）；而包含太阳直接辐照度可比包含风速获得更低的最大绝对偏差（71.8% 对比 81.53%）。此外，即便同时包含风速和太阳直接辐照度表现出最佳总体性能（MAPE=6.35%）。
引用
@article{arxiv.1808.00961,
title = {Impacts of Weather Conditions on District Heat System},
author = {Jiyang Xie and Zhanyu Ma and Jun Guo},
journal= {arXiv preprint arXiv:1808.00961},
year = {2020}
}
备注
Technical Report