自然通风建筑室内温度受气象因素、建筑材料等多种非线性因素的影响,应用机理建模难度较大且计算复杂,很难得到精确的数学模型。利用神经网络不依赖模型和收敛速度快的优势和特性,可以很好地解决该问题。本文对经典的BP(Back Propagation)和RBF(Radial-based Function Method)神经网络建模方法进行对比研究,并对室内温度进行短期的预测。结果表明,在两种神经网络未经过优化的情况下,RBF神经网络在室内温度预测的应用要优于BP神经网络,基于RBF神经网络的室内温度预测方法在工程上有广阔的应用前景。
