基于GA-BP方法的地铁站动态人员冷负荷预测研究

地铁站人流量变化对通风空调系统节能运行有重要影响,为了提高地铁站人员冷负荷预测的准确度,采用遗传算法优化BP神经网络(GA-BP)的方法建立地铁站人流量预测模型,并对地铁站人员冷负荷进行动态计算。通过引入遗传算法,优化BP神经网络的初始权值和阈值,提高了BP神经网络的非线性学习能力。利用地铁站的实际人员冷负荷对模型进行验证,并与传统BP神经网络方法的预测结果进行比较。结果表明,本方法有效地提高了BP神经网络的非线性学习能力和地铁站逐时人员冷负荷预测的准确性和稳定性。与传统BP神经网络方法相比,GA-BP模型的日人员冷负荷预测平均误差降低10%左右,日逐时人员冷负荷预测拟合相关系数值提高了0.1。