引言

在空調(diào)工程領(lǐng)域,空調(diào)負荷的計算是一項非常重要的工作,從某種角度來說,合理的空調(diào)負荷直接影響一個項目的順利推進。正因為該項工作很重要,因此有必要探討如何高效準(zhǔn)確地計算空調(diào)負荷。在工程實踐中,空調(diào)負荷的計算常采用兩類方法:一是詳細計算法,通常采用冷負荷系數(shù)法和諧波反應(yīng)法,按每一個圍護結(jié)構(gòu)進行計算,并考慮人體、照明、設(shè)備等產(chǎn)生的負荷,對于夏季冷負荷,還需要逐時計算,工作量非常大;還有一個是估算法,通常利用面積指標(biāo)進行估算。這兩種方法各有優(yōu)缺點,前者較準(zhǔn)確,但效率不高;后者比較快捷,但面積指標(biāo)往往沒能考慮地域的影響,在一定程度上會影響精度。鑒于此,有必要探討一種兼顧效率和精度的計算方法。

針對上述分析,本文嘗試用人工智能技術(shù)建立了該問題的算法模型。由于空調(diào)負荷計算是一個實踐性很強的工作,工程實踐中有大量的既有數(shù)據(jù)可供參考,因此,可以發(fā)揮人工智能技術(shù)的學(xué)習(xí)功能,只要用于學(xué)習(xí)的初始數(shù)據(jù)足夠多,學(xué)習(xí)模型和學(xué)習(xí)時間合理,是能夠得到較理想的計算模型的。本文以成熟的BP人工神經(jīng)網(wǎng)絡(luò)為基礎(chǔ),利用一定數(shù)量的工程數(shù)據(jù),對算法模型進行了學(xué)習(xí)訓(xùn)練,最終得到了較為合理的網(wǎng)絡(luò)計算模型,并對該模型進行了仿真驗證,結(jié)果表明,該模型對現(xiàn)有數(shù)據(jù)具有較高的擬合度,可以用來估算相關(guān)空調(diào)工程負荷。

1人工智能模型

人工智能技術(shù)是近幾年發(fā)展起來的一種機器學(xué)習(xí)技術(shù),其利用足夠的原始數(shù)據(jù),對機器進行反復(fù)訓(xùn)練,讓機器具有一定的智能。這里以經(jīng)典的BP人工神經(jīng)網(wǎng)絡(luò)為基礎(chǔ),建立算法模型。

1.1人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)是由大量處理單元互聯(lián)組成的非線性、自適應(yīng)信息處理系統(tǒng)。它是在現(xiàn)代神經(jīng)科學(xué)的基礎(chǔ)上提出的,試圖通過模擬大腦的工作方式進行信息處理。BP神經(jīng)網(wǎng)絡(luò)模型拓撲結(jié)構(gòu)包括輸入層、隱層和輸出層,中間層可以是單層或多層。圖1為一個典型的BP人工神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)圖,通過將已有數(shù)據(jù)代入該結(jié)構(gòu)中進行學(xué)習(xí)訓(xùn)練,可得到滿足一定精度要求的神經(jīng)網(wǎng)絡(luò)模型。訓(xùn)練完成后的人工神經(jīng)網(wǎng)絡(luò)可以用來擬合已知輸入和輸出的關(guān)系,也可以預(yù)測新數(shù)據(jù)的輸出值。

針對空調(diào)負荷計算的特點,這里的輸入層參數(shù)取3個,分別為熱工分區(qū)、建筑類型和建筑面積,隱層取1層,輸出層參數(shù)取1個,為空調(diào)最大冷負荷(熱負荷的計算原理與此相同)。

1.2樣本數(shù)據(jù)

本文選用了一些來自工程實踐的數(shù)據(jù)作為網(wǎng)絡(luò)訓(xùn)練原始數(shù)據(jù),對相關(guān)數(shù)據(jù)做如下說明:

(1)熱工分區(qū):按照《民用建筑熱工設(shè)計規(guī)范》(GB50176一2016),我國各類建筑按熱工特性分為5個區(qū),這里分別用數(shù)字代替,1對應(yīng)嚴寒地區(qū),2對應(yīng)寒冷地區(qū),3對應(yīng)夏熱冬冷地區(qū),4對應(yīng)夏熱冬暖地區(qū),5對應(yīng)溫和地區(qū)。

(2)建筑類型:用不同數(shù)字表示建筑類型,如1對應(yīng)普通住宅,2對應(yīng)辦公樓,3對應(yīng)醫(yī)院病房,4對應(yīng)教學(xué)樓等。

(3)建筑面積:可以是單體建筑,也可以是整個建筑群,用來反映項目的規(guī)模。

部分樣本數(shù)據(jù)如表1所示。

1.3訓(xùn)練學(xué)習(xí)

BP人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)效果和隱層的確定有一定的關(guān)系,隱層的個數(shù)及每個隱層節(jié)點的個數(shù)往往通過反復(fù)試訓(xùn)練確定。本文經(jīng)過試訓(xùn)練,確定了隱層數(shù)為1個,隱層節(jié)點選4個。

圖2~圖4為訓(xùn)練學(xué)習(xí)的效果圖。

從圖2~圖4可以看出,隨著訓(xùn)練次數(shù)的增多,神經(jīng)網(wǎng)絡(luò)的誤差越來越小。本文以網(wǎng)絡(luò)訓(xùn)練2000次的網(wǎng)絡(luò)結(jié)構(gòu)數(shù)據(jù)作為最終計算模型。該模型的基本參數(shù)如表2所示。

1.4仿真驗證

以表1中的樣本數(shù)據(jù)為對象進行仿真驗證,為了體現(xiàn)出仿真效果,仿真計算長度及誤差的數(shù)據(jù)均精確到小數(shù)點后四位,結(jié)果如表3所示。

從表3可以看出,經(jīng)充分訓(xùn)練學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)計算模型具有較高的精確度,可以用來計算空調(diào)系統(tǒng)的最大冷負荷。

2工程應(yīng)用

上述人工神經(jīng)網(wǎng)絡(luò)模型可以用來快速準(zhǔn)確計算空調(diào)工程最大冷負荷,該模型還可以用在空調(diào)建設(shè)工程的許多環(huán)節(jié)。比如在項目前期,擬在某二線城市建設(shè)一個綜合樓,已知該地區(qū)位于夏熱冬暖地區(qū),建筑性質(zhì)為辦公樓,擬實施的建筑面積為15000m2,要求對項目的空調(diào)冷負荷進行預(yù)測,以便于估算空調(diào)造價。這是一個典型的空調(diào)負荷計算問題,可以利用前面介紹的訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)模型得到預(yù)測結(jié)果,如表4所示。

3結(jié)語

空調(diào)負荷的計算,直接影響項目進度和建設(shè)效果。由于工程實踐中影響空調(diào)負荷的因素有很多,很難找到一個通用簡潔的數(shù)學(xué)公式。本文介紹的人工神經(jīng)網(wǎng)絡(luò)模型,可以針對已有的樣本數(shù)據(jù)進行訓(xùn)練學(xué)習(xí),能夠得到較高的仿真及預(yù)測精度,可以廣泛應(yīng)用在相關(guān)工程實踐中。