基于鸟群算法优化BP神经网络的热舒适度预测

热舒适度是室内环境舒适性的评价指标, 由于热舒适度的计算是一个复杂的非线性迭代过程, 不便应用于空调实时控制系统中, 为解决这一问题, 可利用BP神经网络算法对热舒适度进行预测. 但为了改善传统BP神经网络收敛速度慢的问题, 将采用鸟群算法(BSA)来优化BP神经网络初始的权值与阈值. 最后, 将BSA算法与相近的粒子群算法(PSO)进行对比分析, 并利用MATLAB软件进行仿真, 使BSA-BP预测模型的仿真结果与基本的BP神经网络预测模型、PSO-BP预测模型的仿真结果进行对比分析. 结果表明, BSA-BP预测模型具有较快的收敛速度和较高的预测精度.