基于自适应GA-PSO算法的温室能量预测方法研究.docVIP

下载本文档

20
0
约2.16万字
约 12页
2017-04-14 发布于天津
举报
版权申诉

基于自适应GA-PSO算法的温室能量预测方法研究.doc

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基陈教料陈教选杨将新胥芳浙江大学现代制造研究所杭州浙江工业大学特种装备制造与先进加工技术教育部浙江省重点实验室杭州同济大学国家设施农业工程研究中心上海摘要针对半封闭温室环境参数众多且难以测量的问题提出了一种机理建模与系统辨识建模相结合的建模方法采用自加速遗传粒子群算法对温室物理模型中难以确定的参数进行辨识建立半封闭温室预测模型根据上海半封闭玻璃试验温室的气象数据和测量的能耗值分别采用和进行参数辨识与能耗预测比较分析采用获得的温室能耗预测与实测数据的相对误差为分别比和减少了和根据日太阳光照辐射总量

基陈教料12，陈教选2，杨将新1，胥芳2※，3 （1. 浙江大学现代制造研究所，杭州 310027 2.浙江工业大学特种装备制造与先进加工技术教育部/浙江省重点实验室，杭州 310014 3.同济大学国家设施农业工程研究中心，上海 200092）摘要：针对半封闭温室环境参数众多且难以测量的问题，提出了一种机理建模与系统辨识建模相结合的建模方法。采用自加速遗传粒子群算法 (elf-accelerating hybrid algorithm of particle swarm optimization and genetic algorithm, SPSO-GA)对温室物理模型中难以