基于知识的机器学习方法的太阳能热水器性能预测与优化
人工智能
2017-10-09 v1
摘要
测量太阳能与传热系统的性能需要大量时间、经济成本和人力。同时，由于其复杂的内部结构，直接预测其性能具有挑战性。幸运的是，基于知识的机器学习方法可为能源系统的性能提供有前景的预测与优化策略。在本章中，作者将展示他们如何利用从大型实验数据库训练的机器学习模型，对太阳能热水器（solar water heater, SWH）系统进行精确预测与优化。提出了一种基于高通量筛选（high-throughput screening, HTS）过程的能源系统优化新策略。本章包括：i) 比较研究多种机器学习模型（人工神经网络（artificial neural networks, ANNs）、支持向量机（support vector machine, SVM）和极限学习机（extreme learning machine, ELM））以预测 SWH 的性能；ii) 开发基于 ANN 的软件以辅助快速预测；iii) 介绍一种计算型 HTS 方法以设计高性能 SWH 系统。
引用
@article{arxiv.1710.02511,
title = {Performance Prediction and Optimization of Solar Water Heater via a Knowledge-Based Machine Learning Method},
author = {Hao Li and Zhijian Liu},
journal= {arXiv preprint arXiv:1710.02511},
year = {2017}
}
备注
20 pages