【技术实现步骤摘要】
本专利技术属于地温场预测，具体涉及一种基于模糊最小二乘支持向量机的地温场变化预测方法。
技术介绍
1、地源热泵空调系统的运行会引起地温场的变化，特别是在全年冷热负荷不平衡的地区。地温场的变化一方面会影响到地埋管的出水温度，进而改变热泵机组的运行性能；另一方面地温场的变化会在一定程度上破坏地下生态环境。因此，维持地温场的持续稳定意义重大。地源热泵系统的实时运行不可避免的会造成地温场的瞬时变化，为了及时恢复地温和抑制地温场变化的进一步扩大，需实时掌握地温场的变化情况。
2、数值模拟是较为常用的地温场预测方法，但是由于地下地质构造复杂，难以获取其完整的地下岩土信息，据此使用物理建模方法得到的模型无法保证其精确度，而采用钻孔布置传感器实现地温场的预测，该方法获取成本高，地下传感器损坏后不易修复。
技术实现思路
1、为了解决上述现有技术中存在的问题，提供了一种基于模糊最小二乘支持向量机的地温场变化预测方法。
2、本专利技术解决其技术问题所采用的技术方案是：
3、本技术方案提出了一种基于模糊最小二乘支持向量机的地温场变化预测方法，包括以下步骤：
4、s1：基于钻孔分布图，布置浅层地温监测点，获取监测初始参数；
5、s2：基于初始参数，进行皮尔逊相关性分析，确定预测模型的输入参数；
6、s3：对输入参数进行模糊化处理，建立模糊最小二乘支持向量机模型；
7、s4：基于果蝇优化算法对参数进行优化，进行模糊最小二乘支持
8、s5：基于训练与验证后的模糊最小二乘支持向量机模型，进行地温场预测。
9、优选的，所述s1中，初始参数包括用户侧供回水温度，地源侧供回水温度、流量、环境温度。
10、优选的，所述s2中，皮尔逊相关系数，公式如下：
11、
12、式中，表示x的平均值，表示y的平均值；
13、确定rxy的绝对值不低于0.5的参数，为预测模型的输入参数。
14、优选的，所述s3中，采用高斯隶属函数对输入参数进行模糊化处理，公式如下：
15、
16、式中，k表示模糊集的数量，t表示输入样本，t0(i)和σ分别表示第i个隶属度函数的对称轴和方差，表示样本i第j个输入数据的模糊隶属度。
17、优选的，模糊最小二乘支持向量机模型建立方法包括：
18、s11：定义训练集为：
19、t＝{(xi,yi)|xi∈rm,yi∈rn,i＝1,2,…l} (3)；
20、式中，l表示样本总数，rm表示输入空间，rn表示输出空间；
21、定义决策函数为：
22、
23、式中，w∈rm表示法向量，b表示阈值，表示输入数据在高维空间的映射；
24、s12：转化成求解带有约束的最小值问题，公式如下：
25、
26、式中，j表示结构风险，yi表示约束条件，c表示惩罚参数，ei表示误差变量；
27、s13：引入拉格朗日乘子α＝[α1,α2,…αn]，构造拉格朗日函数，公式如下：
28、
29、s14：分别对w,b,e,α进行偏导数求解，并消去w,ei，公式如下：
30、
31、定义径向基函数为核函数，公式如下：
32、
33、式中，σ作为核函数宽度调节参数，用于控制径向基函数的作用范围；
34、s15：联合式(7)和(8)，得到线性方程组矩阵，公式如下：
35、
36、求解矩阵式(9)，极值解为最优解和每一个非零拉格朗日乘子αi对应的输入向量xi，为落在分类超平面上的最小二乘支持向量；
37、s16：通过最优解构造最优拟核函数，公式如下：
38、
39、对输入参数进行划分，按照比例用随机函数划分出训练集和验证集。
40、优选的，所述s4中，基于果蝇优化算法对核函数参数σ和惩罚参数c进行寻优，指标的计算公式如下：
41、
42、式中，mre表示平均相对误差，mae表示最大相对误差，mse表示均方误差，r2表示拟合度，表示模型计算值。
43、优选的，果蝇优化算法包括以下步骤：
44、s21：初始化果蝇群体位置p(x0，y0)、种群规模n和最大迭代次数imax参数；
45、s22：设定果蝇个体寻找食物的随机方向和单次飞行步长l(i)，经过i次迭代后，果蝇个体的位置更新为p(xi，yi)，式中，xi＝x0+l(i)，yi＝y0+l(i)；
46、s23：经过i次迭代后，果蝇个体飞出的距离为计算味道浓度的判定值ei＝1/di；
47、s24：将上述味道浓度判定值代入判断函数f(i)，计算出每个果蝇个体的味道浓度值为：smell(i)＝f(ei)；
48、s25：确定具有最佳味道浓度的果蝇个体的味道浓度值和位置为：
49、[smell_best,index_best]＝min(smell) (15)；
50、s26：给核函数参数σ和惩罚参数c赋初值：
51、σ＝c1ei(1,1)，c＝c2ei(1,2) (16)；
52、式中，ei为1×2的矢量，c1和c2为常数；
53、s27：判断smell_best(i)是否小于最佳味道浓度smell_best(i0)，若是，则保留该浓度值和果蝇位置，否则，记录smell_best(i)对应的位置；
54、s28：判断是否达到最大迭代次数imax，若是，执行下一步，否则，循环执行s22-s28；
55、s29：输出寻优结果核函数参数σ和惩罚参数c。
56、优选的，基于隶属函数对每个模糊子集中的样本点赋予不同的模糊隶属度，通过模糊隶属度对所有模型输出的结果进行叠加，叠加后的输出作为模型的最终预测结果，计算训练集数据与预测结果之间的误差值和拟合度。
57、优选的，所述s5中，基于训练与验证后的模糊最小二乘支持向量机模型，得到输入的新样本后中第i个温度值的预测结果ti，对应的模糊隶属度权值为μi，公式如下：
58、
59、式中，l表示模糊子集的数量，模糊叠加的输出ti'为最终结果。
60、与现有技术相比，本专利技术具有以下优点：
61、本申请通过引入模糊方法，构建基于模糊的最小二乘支持向量机模型，便于后续的数据的有效处理，通过采用果蝇优化算法对模型参数进行优化，有效发挥了模糊方法处理非确定信息的能力，通过充分利用最小二乘支持向量机，有效提高了模型预测的快速性和泛化性，使对地温场的预测具有较高的准确性，同时整体成本更低更加可靠。
本文档来自技高网...【技术保护点】
1.一种基于模糊最小二乘支持向量机的地温场变化预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于模糊最小二乘支持向量机的地温场变化预测方法，其特征在于，所述S1中，初始参数包括用户侧供回水温度，地源侧供回水温度、流量、环境温度。
3.根据权利要求2所述的一种基于模糊最小二乘支持向量机的地温场变化预测方法，其特征在于，所述S2中，皮尔逊相关系数，公式如下：
4.根据权利要求1所述的一种基于模糊最小二乘支持向量机的地温场变化预测方法，其特征在于，所述S3中，采用高斯隶属函数对输入参数进行模糊化处理，公式如下：
5.根据权利要求4所述的一种基于模糊最小二乘支持向量机的地温场变化预测方法，其特征在于，模糊最小二乘支持向量机模型建立方法包括：
6.根据权利要求1所述的一种基于模糊最小二乘支持向量机的地温场变化预测方法，其特征在于，所述S4中，基于果蝇优化算法对核函数参数σ和惩罚参数c进行寻优，指标的计算公式如下：
7.根据权利要求6所述的一种基于模糊最小二乘支持向量机的地温场变化预测方法，其特征在于
8.根据权利要求7所述的一种基于模糊最小二乘支持向量机的地温场变化预测方法，其特征在于，基于隶属函数对每个模糊子集中的样本点赋予不同的模糊隶属度，通过模糊隶属度对所有模型输出的结果进行叠加，叠加后的输出作为模型的最终预测结果，计算训练集数据与预测结果之间的误差值和拟合度。
9.根据权利要求1所述的一种基于模糊最小二乘支持向量机的地温场变化预测方法，其特征在于，所述S5中，基于训练与验证后的模糊最小二乘支持向量机模型，得到输入的新样本后中第i个温度值的预测结果Ti，对应的模糊隶属度权值为μi，公式如下：
...【技术特征摘要】
1.一种基于模糊最小二乘支持向量机的地温场变化预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于模糊最小二乘支持向量机的地温场变化预测方法，其特征在于，所述s1中，初始参数包括用户侧供回水温度，地源侧供回水温度、流量、环境温度。
3.根据权利要求2所述的一种基于模糊最小二乘支持向量机的地温场变化预测方法，其特征在于，所述s2中，皮尔逊相关系数，公式如下：
4.根据权利要求1所述的一种基于模糊最小二乘支持向量机的地温场变化预测方法，其特征在于，所述s3中，采用高斯隶属函数对输入参数进行模糊化处理，公式如下：
5.根据权利要求4所述的一种基于模糊最小二乘支持向量机的地温场变化预测方法，其特征在于，模糊最小二乘支持向量机模型建立方法包括：
6.根据权利要求1所述的一种基于模糊最小二乘支持向量机的...
【专利技术属性】
技术研发人员：周世玉，贾寒冰，毛煜东，杨开敏，刘吉营，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。