论文部分内容阅读
空调系统负荷是一个典型的具有动态性、不确定性等随机特性的非线性模型，传统方式难以实现准确、快速地预测空调系统动态负荷。人工神经网络具有高度的非线性运算能力和很强的容错能力，其中最为广泛的是前馈神经网络和采用误差反向传播算法来计算网络权值。本文讨论当误差不为零或者不为线性函数，即二阶项s（w）不能忽略时的Hesse矩阵的近似计算，进而训练网络。研究结果表明，用该种神经网络预测空调负荷和计算的结果会较好地吻合。