一种基于神经网络的办公建筑房间分类方法

摘要

本发明公开了一种基于神经网络的办公建筑房间分类方法，包括以下步骤：数据预处理，对办公建筑房间的插座、照明和空调三种用电数据进行筛选、剔除、补充，获得完整的用电数据；网络初始化，构造与预处理三类用电数据对应的三个回声状态网和一个极限学机，并对各神经网络的参数进行初始化；网络训练，利用预处理的房间用电数据训练各回声状态网，重建房间的用电模式，并利用重建后的房间用电模式以及已知的房间类别训练极限学机；房间分类，给定新的办公建筑房间三种用电数据作为分类数据，利用训练好的三个回声状态网重建房间的用电模式，并利用训练好的极限学机获取房间的类型。

主权项

一种基于神经网络的办公建筑房间分类方法，其特征在于，包括以下步骤：步骤S1：数据预处理，其方法为：将办公建筑房间的用电数据分为N类，对N类用电数据进行预处理，获得完整的用电数据；步骤S2：网络初始化，其方法为：构造与N类用电数据对应的N个回声状态网和一个极限学习机，并对各神经网络的参数进行初始化；步骤S3：网络训练，其方法为：利用步骤S1中完整的用电数据训练各回声状态网，重建房间的用电模式，并利用用电模式重建结果和房间类别训练极限学习机；步骤S4：房间分类，其方法为：输入新的办公建筑房间N类用电数据，利用步骤S3中训练的三个回声状态网重建房间的用电模式，并利用步骤S3中训练的极限学习机进行办公建筑的房间分类。