一种基于改进粒子群算法优化BP神经网络的室内热舒适度预测方法

本发明公开一种基于改进粒子群算法优化BP神经网络的室内热舒适度预测方法，包括以下步骤：生成输入数据，用PMV公式计算得到数据样本；根据样本输入数据搭建BP神经网络，确定神经网络层数，以及输入层、隐藏层、输出层指标个数；利用改进的粒子群算法通过模拟群体行为迭代搜索最优权值阈值组合来优化BP神经网络；根据最优的权值和阈值，训练BP神经网络模型，并评估训练结果。该方法通过改进的粒子群算法优化BP神经网络的初始权值阈值，有效解决了BP神经网络易陷入局部最优的问题，提高了预测稳定性，并且能更精准地预测室内人体热舒适度，有助于降低空调能耗，提升用户舒适度，具备广泛的实用性。