建筑科学与工程论文_基于FA-BP组合模型的办公_四川建筑杂志社投稿_期刊论文发表|版面费|电话|编辑部|论文发表

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

建筑科学与工程论文_基于FA-BP组合模型的办公

作者:

关键词:

摘要：

文章摘要: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FABP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。

文章关键词:

论文分类号:TU111.195