原创力文档- 1、本文档共6页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
第39卷 第6期 制 冷 技 术 Vol.39, No.6
2019年12月 Chinese Journal of Refrigeration Technology Dec. 2019
doi: 10.3969/j.issn.2095-4468.2019.06.103
基于网格搜索优化的主成分分析-支持向量机算法的
冷水机组能耗预测
1 2 3 3 1
刘峥 ，黄真银 ，徐成良 ，陈焕新 ，李昱瑾
（1-华中科技大学中欧清洁与再生能源学院，湖北武汉 430074 ；
2-湖北卓立集控智能技术有限公司，湖北宜昌 443000 ；
3-华中科技大学能源与动力工程学院，湖北武汉 430074 ）
[摘 要] 针对冷水机组能耗受多因素影响的特点，本文提出了一种基于主成分分析（Principal Component
Analysis ，PCA ）和支持向量机（Support Vector Machine ，SVM ）的冷水机组能耗预测模型。采用交叉验证
和网格搜索法优化支持向量机（SVM ），将PCA-SVM 的预测结果与优化后的SVM 进行比较，结果表明：
优化后的SVM 模型的拟合优度较未经优化的模型提升了12.88%，建模时长较未经优化的模型缩短了80%，
实现了在提升预测精度的同时节省了计算资源。
[关键词] 冷水机组能耗预测；主成分分析；支持向量机；参数寻优
Energy Consumption Prediction of Chillers Based on PCA-SVM Algorithm with Grid
Search Optimization
1 2 3 3 1
LIU Zheng , HUANG Zhenyin , XUN Chengliang , CHEN Huanxin* , LI Yujin
(1-China-EU Institute for Clean and Renewable Energy, Huazhong University of Science and Technology, Wuhan, Hubei 430074,
China; 2-Hubei Zhuoli Control Intelligent Technology Limited Company, Yichang, Hubei 443000, China;
3-School of Energy and Power Engineering, Huazhong University of Science and Technology, Wuhan, Hubei 430074, China)
[Abstract] In view of the energy consumption of chiller is affected by multiple factors, a chiller energy consumption
prediction model is proposed based on principal component analysis (PCA) and support vector machine (SVM).
Cross validation and the grid search methods are used to optimize the SVM. The results show that, compared with
popular SVM method, goodness of fit of the optimized SVM model is increase
文档评论（0）