作者：王盛慧 , 张亭亭
作者单位：长春工业大学电气与电子工程学院，吉林 长春 130012
关键词：自适应遗传算法；室内温度预测；bp算法；神经网络
摘要：
利用电地热对居民区进行供暖时，为实现对用户室内下一时刻温度的精确预测，该文提出一种改进的自适应遗传算法（iaga）。该算法对自适应遗传算法的交叉概率和变异概率进行改进，通过函数测试证明所提算法比传统的遗传算法稳定性好、收敛速度快，并将改进后的算法对bp网络进行优化，从而克服bp网络算法易陷入局部极值、学习效率低和收敛速度慢的缺点，最终建立基于iaga-bp网络的电地热室内温度预测模型。将其与粒子群算法（pso）优化的bp神经网络模型进行仿真对比，实验表明：iaga-bp网络相对于pso-bp网络具有更好的预测准确度，其平均绝对误差、均方差分别为0.132 8 ℃、0.079 2，均优于pso-bp网络预测，该模型建立可为后期的电地热温度控制提供依据。
