一種低溫熱系統(tǒng)性能預測方法、系統(tǒng)、設備和存儲介質(zhì)

基本信息

申請?zhí)?/td> CN202111253578.4 申請日 -
公開（公告）號 CN114021438A 公開（公告）日 2022-02-08
申請公布號 CN114021438A 申請公布日 2022-02-08
分類號 G06F30/27（2020.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06N3/12（2006.01）I;G06F119/08（2020.01）N 分類 計算；推算；計數(shù);
發(fā)明人 向云剛;王海 申請（專利權）人 北京中智軟創(chuàng)信息技術有限公司
代理機構 北京紀凱知識產(chǎn)權代理有限公司 代理人 冀志華
地址 100081北京市海淀區(qū)中關村南大街乙12號院1號樓5層601
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及一種低溫熱系統(tǒng)性能預測方法、系統(tǒng)、設備和存儲介質(zhì)，包括以下步驟：基于預先獲得的樣本數(shù)據(jù)集，構建基于遺傳算法和ELM的低溫熱系統(tǒng)預測模型并進行訓練，得到訓練好的低溫熱系統(tǒng)預測模型；采用低溫熱系統(tǒng)預測模型對低溫熱系統(tǒng)性能進行預測，得到低溫熱系統(tǒng)性能預測結(jié)果。本發(fā)明采用ELM模型，能確保實際應用時ELM模型的收斂率為100％，且計算速度快。同梯度下降算法相比，ELM模型由于輸入層和隱含層的連接權值、隱含層的閾值隨機設定，而隱含層和輸出層之間的連接權值不需要迭代調(diào)整，而是通過解方程組方式一次性確定，使得其泛化性能優(yōu)異且學習速度快。因此，本發(fā)明可以廣泛應用于低溫熱系統(tǒng)性能預測領域。