首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   2篇
  免费   0篇
综合类   2篇
  2022年   1篇
  2020年   1篇
排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
为了准确预测地铁车站的空调负荷,首先通过地铁车站能耗监测平台的历史数据分析,识别得到客流量和室外气象参数是主要影响因素。其次利用车站CO2体积浓度逐时监测数据建立客流量神经网络预测模型,并与闸机数据对比,预测模型的复相关系数R~2可达0.87。以客流量预测为基础,建立了车站空调负荷预测模型,并比较了不同时间尺度训练数据下误差反向传播神经网络算法和支持向量机算法的预测效果,两种算法的R~2达到了0.95以上,均方根误差在70~90 kW之间,预测精度较高,但支持向量机算法的运算时间是误差反向传播神经网络算法的3~4倍左右,推荐数据量较大时优先选择神经网络算法。  相似文献   
2.
以夏热冬冷地区近零能耗住宅和常规住宅为研究对象,计算了夏季和除湿期的除湿量,对比研究了两种建筑的热湿比特征和室内高湿度问题。研究结果表明:近零能耗住宅和常规住宅除湿量变化主要取决于新风和渗透风量,无人时段换气次数对总除湿量影响较小。在不考虑新风显热负荷和湿负荷的情况下,近零能耗住宅夏季和除湿期的热湿比分别降低至常规住宅的45.3%和38.5%。以室内温度为控制参数时,近零能耗住宅在夏季和除湿期的室内高湿度时长比常规住宅长。夏季减小近零能耗住宅无人时段的开窗换气次数,除湿期适当开窗通风有助于减少室内的高湿时数。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号