基于PSO-BP神经网络的机坪泛光照明优化预测模型

摘要

机坪泛光照明设计的影响因素众多，影响着泛光照明效率与安全。本研究在DIALux evo软件中模拟了315组仿真照明方案，用来开发照度预测模型。以水平照度、垂直照度、均匀度、眩光值以及分区照度指标作为模型输入，以高杆灯安装高度、LED灯数、垂直俯仰角作为模型输出，基于粒子群优化（PSO,particle swarm optimization）和反向传播（BP,back propagation）神经网络构建预测模型，并与BP神经网络构建的预测模型对比分析。结果表明：与BP神经网络算法相比，本研究所提出的PSO-BP神经网络的效率更高，模型拟合精度更高，且避免了BP神经网络算法易陷入局部最优解的问题。本文建立的优化模型对预设场景的照度预测结果与仿真试验结果高度一致，表明该模型在工程应用中具有较好的预测精度。

关键词

PSO-BP神经网络 / 机坪泛光照明 / 高杆灯 / LED灯 / 优化模型