توقع أداء نظام مضخة حرارية أرضية عميقة نوع تخزين الحرارة بناءً على التعلم الآلي
Abstract
مع التطور السريع لتقنيات الذكاء الاصطناعي، يزداد أهمية نماذج التنبؤ القائمة على البيانات في مجال توقع طلب الطاقة وكفاءة الأداء. لاستكشاف ملاءمة خوارزميات التعلم الآلي لتوقع أداء نظام مضخة حرارية أرضية عميقة نوع تخزين الحرارة (DBHE-GSHP)، تم جمع بيانات تشغيل DBHE-GSHP في الوقت الحقيقي، واختيار معلمات نموذجية لبناء مجموعة ميزات، ثم تحسين مجموعة الميزات باستخدام تحليل ارتباط بيرسون؛ بناءً على مجموعة الميزات المحسنة، تم تطبيق خوارزميات الشبكة العصبية ذات الانتشار العكسي (BPNN)، آلة التعلم المتطرف (ELM)، آلة الدعم الناقل (SVM)، وتحسين سرب الجسيمات - آلة الدعم الناقل (PSO-SVM) للتحليل. أظهرت نتائج الدراسة أن طريقة PSO-SVM تتمتع بأداء تنبؤ جيد، حيث تجاوزت دقة التنبؤ 95%. يمكن أن توفر نتائج البحث دعمًا نظريًا لتحسين معلمات نظام التدفئة DBHE-GSHP وتشغيله بكفاءة عالية.
Keywords
مضخة حرارية أرضية عميقة؛ اختيار الميزات؛ التعلم الآلي؛ توقع الأداء
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website