BP神经网络在热计量装置热量积算中的应用.pdf

of Journal InstituteofUrbanConstructionV01．13 No．1Mar．2007 Tianjin BP神经网络在热计量装置热量积算中的应用 苏 刚8， 赵树兴o，王玲玲6，徐永生6，范文8，郭福雁8 (天津城市建设学院a．电子与信息：亡程系；b．能源与机械工程系，天津300384) 摘要：应用BP神经网络，对热计量装置热量积算中所需的表格数据(焓值和密度)进行离 线训练，获得了相应的权值，并利用此权值取代相应的表格数据，在保证精确度的前提下，不 仅减少了数据存储空间，而且还避免了插值运算，使编程得以简化，取得了较好的应用效果． 关键词：BP神经网络；表格数据；存储单元；插值 中图分类号：TPl83 文献标识码：A 文章编号： 在热计量装置热量积算中，要存储数量较大的表 允=∑吆’仃(∑嵋’‘) (1) 格数据(焓值和密度)，并且还要进行查表和插值运 算，这不仅需要占用较大的存储单元，而且还需要编写 式中：增’为输入层到隐层的权值；w羟’为隐层到输出 相应的查表和插值程序，而在热计量装置中，单片机的 层的权值；cr(x)为激励函数 存储单元不仅有限，而且非常宝贵．因此，在集散式热 (2) 计量系统总表的研究与开发工作中，为了节省存储单 删=篙 元和简化编程，建议采用BP神经网络对热量积算中的 1．2反向传播(BP)算法 表格数据进行离线训练，取得相应的权值，然后将取得 取误差函数 的权值存储于单片机中，以减小存储空间，简化运算和 编程． E=去∑【y。(f)一允(f)]2 (3) 为防止学习过程发生振荡，加快收敛速度，采用带 1 BP神经网络 惯性的BP算法‘21，则 1．1BP网络结构 删=啪_1)+77翥+ BP(back propagation)网络，即反向传播网络，具 M堞’(f-1)一坩’0—2)1 (4) 有较好的泛化能力，可以逼近任意非线性映射关系，是 目前人工神经网络中研究最深入、应用最广泛的一种 蜘=啪卸+刁器+ 模型，其结构如图1所示‘11． MW(。2’O-1)一w鬟’O一2)] (5) 式中：叩为学习步长；弘为惯性因子． 2应用实例 随着供暖行业的发展，供暖将由传统的供热方式 向分户计量方式上转变．分户热计量方式可让用户根 图1BP神经网络结构 据其对热舒适度的需求及使用时间，进行自我调整供 暖时间及温度，使收费更合理，而且也是节约能源的重 设x为输入量，矿为输出量，输入节点为m个，隐