0 引言

隨著社會(huì)的不斷進(jìn)步，我國(guó)集中化供熱事業(yè)在不斷向前發(fā)展

。但是與此同時(shí)我國(guó)的建筑能耗也在逐年增加。據(jù)統(tǒng)計(jì)，我國(guó)建筑能耗約占社會(huì)能耗的30%～40%，而在建筑能耗中,供熱和空調(diào)能耗大約占比65%

。因此，在建筑節(jié)能領(lǐng)域，供熱系統(tǒng)的節(jié)能潛力巨大，通過(guò)對(duì)供熱能耗進(jìn)行優(yōu)化和控制，可以實(shí)現(xiàn)節(jié)能減排，達(dá)到低碳目標(biāo)。

留礦法、階段礦房法等空?qǐng)龇ú蓤?chǎng)，設(shè)計(jì)過(guò)程中定性確定頂柱、間柱尺寸及采場(chǎng)長(zhǎng)度，往往是引起礦柱大量損失或者地壓過(guò)大而導(dǎo)致采場(chǎng)在開(kāi)采過(guò)程中發(fā)生頂柱、間柱垮塌的主要原因。二里河鉛鋅礦的實(shí)踐表明，無(wú)論深部、還是淺部采場(chǎng)，應(yīng)用正交數(shù)值模擬研究采場(chǎng)地壓，據(jù)此確定上述頂柱、間柱尺寸及采場(chǎng)長(zhǎng)度，可以經(jīng)濟(jì)、高效地管理采場(chǎng)地壓，實(shí)現(xiàn)采場(chǎng)安全開(kāi)采；反之，定性地或一成不變地按照淺部采場(chǎng)的結(jié)構(gòu)尺寸設(shè)計(jì)深部采場(chǎng)，往往會(huì)導(dǎo)致深部采場(chǎng)邊采邊垮塌而無(wú)法安全開(kāi)采[13]。

在熱負(fù)荷預(yù)測(cè)理論體系發(fā)展中，國(guó)內(nèi)外許多學(xué)者都作了相關(guān)的研究。石兆玉

認(rèn)為氣象因素會(huì)影響建筑室內(nèi)溫度，考慮室外氣象因素對(duì)建筑物熱負(fù)荷的影響，不僅要考慮室外溫度，還要考慮太陽(yáng)輻射的影響。朱學(xué)莉等

認(rèn)為，傳統(tǒng)熱負(fù)荷預(yù)測(cè)方法只依據(jù)室外平均溫度確定不準(zhǔn)確，應(yīng)考慮室外溫度、氣象條件、建筑結(jié)構(gòu)，還有滯后性。周恩澤等

采用ARMA 模型對(duì)供暖熱負(fù)荷預(yù)測(cè)進(jìn)行數(shù)學(xué)建模，將所得模型與實(shí)際運(yùn)行數(shù)據(jù)進(jìn)行對(duì)比，結(jié)果表明擬合效果較好。李思琦等人

采取的負(fù)荷預(yù)測(cè)方法是改進(jìn)算法后的BP 神經(jīng)網(wǎng)絡(luò)法。張佼等

對(duì)支持向量機(jī)的因素進(jìn)行研究，使用的負(fù)荷預(yù)測(cè)模型是遺傳算法優(yōu)化的SVR 。Werner

對(duì)瑞典的多個(gè)區(qū)域供熱系統(tǒng)的供熱影響因素進(jìn)行研究，得出室外溫度是主要的影響因素。Mathiesen 等人

依據(jù)室外氣象條件，參考熱用戶的舒適需求，采用的供熱量調(diào)節(jié)方式是對(duì)供暖熱負(fù)荷進(jìn)行預(yù)測(cè)。Omer等人

對(duì)土耳其的供熱系統(tǒng)以耗熱量為因變量，室外溫度、太陽(yáng)輻射、風(fēng)速為自變量建立回歸方程，當(dāng)三個(gè)參數(shù)中的任何一個(gè)參數(shù)發(fā)生變化時(shí)，建筑物耗熱量也會(huì)有相應(yīng)的變化。Yoshida等人

將ARX模型應(yīng)用于TES水箱的合理運(yùn)行。Yun等人

基于逐時(shí)索引的ARX 模型開(kāi)發(fā)了一種建筑逐時(shí)熱負(fù)荷預(yù)測(cè)方案。在他們的研究中，提出了幾種不同時(shí)間和溫度區(qū)間的ARX模型，并與MLR、自回歸(AR)和ANN模型進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的ARX模型優(yōu)于相同輸入數(shù)的MLR、AR和ANN模型。

實(shí)例中，步進(jìn)控制器STC-01Z的參數(shù)設(shè)定為：JF=1000，HL=4000，HF=1000 ，BF=1000，CC=0000，NA=***，NB=*** ，由于三相反應(yīng)步進(jìn)電機(jī)90BC340CH步距角為1.5°，步進(jìn)驅(qū)動(dòng)器SH-3F090M的細(xì)分?jǐn)?shù)設(shè)定為40，則步長(zhǎng)的計(jì)算公式為：

供熱負(fù)荷預(yù)測(cè)是對(duì)采暖能耗進(jìn)行控制的重要環(huán)節(jié)。通過(guò)對(duì)供熱運(yùn)行過(guò)程中獲取的大量供熱參數(shù)數(shù)據(jù)，運(yùn)用適當(dāng)?shù)臄?shù)據(jù)挖掘方法，發(fā)現(xiàn)換熱站內(nèi)部運(yùn)行規(guī)律。未來(lái)的熱負(fù)荷可以通過(guò)使用供熱運(yùn)行規(guī)律在一段時(shí)間內(nèi)進(jìn)行挖掘

。這不僅可以提高供熱公司的工作效率，也對(duì)提高用戶體驗(yàn)感很有幫助。熱負(fù)荷預(yù)測(cè)方法包括神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法、時(shí)間序列預(yù)測(cè)法、灰色系統(tǒng)預(yù)測(cè)法、支持向量機(jī)、回歸分析等多種方法。

本文用的熱負(fù)荷預(yù)測(cè)方法是回歸分析法中帶有外部輸入的自回歸模型

（ARX 模型）,在預(yù)測(cè)過(guò)程中，引入室外溫度和室內(nèi)溫度兩個(gè)外部因素，通過(guò)分析供熱歷史數(shù)據(jù),尋求建立適當(dāng)?shù)墓嶝?fù)荷預(yù)測(cè)模型。結(jié)果表明，考慮室外溫度和室內(nèi)溫度作為輸入樣本后,可以提高熱負(fù)荷的預(yù)測(cè)精度，能夠用于短期負(fù)荷預(yù)測(cè)。

3.2.3 無(wú)紡布抗菌生物性佳，防霉防蛀，高壓滅菌有效期可長(zhǎng)達(dá)半年［5］。延長(zhǎng)了器械包的有效期，大大減少過(guò)期包的產(chǎn)生，減輕了運(yùn)輸、清洗、包裝、滅菌的工作量，間接節(jié)約了水、電、氣洗滌劑等能源消耗，節(jié)省了人力財(cái)力。

1 負(fù)荷預(yù)測(cè)模型的建立

1.1 模型建立

目前常用的負(fù)荷預(yù)測(cè)模型主要有多元線性回歸模型(MLR)、自回歸模型(AR)和自回歸模型(ARX)。MLR模型是利用輸入變量與建筑熱負(fù)荷的線性關(guān)系進(jìn)行熱負(fù)荷預(yù)測(cè)。AR 模型的熱負(fù)荷預(yù)測(cè)僅由歷史負(fù)荷數(shù)據(jù)決定。當(dāng)AR 模型與MLR 模型結(jié)合，將建筑熱負(fù)荷與輸入變量和歷史負(fù)荷數(shù)據(jù)聯(lián)系起來(lái)時(shí)，帶有外部輸入的自回歸模型稱(chēng)為ARX模型。

自回歸模型就是利用序列上一步或者更上一步的值預(yù)測(cè)下一步的值。對(duì)于熱負(fù)荷預(yù)測(cè)，僅僅考慮歷史數(shù)據(jù)來(lái)預(yù)測(cè)是不夠準(zhǔn)確的，需綜合考慮影響負(fù)荷預(yù)測(cè)的內(nèi)部因素和外部因素

，也就是說(shuō)，對(duì)回歸模型的算法進(jìn)行了改進(jìn)，引入外部鏈接，構(gòu)造了一種新的預(yù)測(cè)算法，并對(duì)其準(zhǔn)確性進(jìn)行了驗(yàn)證。供暖熱負(fù)荷大小的內(nèi)外影響因素，有室外氣象因素、室外風(fēng)速、太陽(yáng)輻射強(qiáng)弱、室內(nèi)溫度、一二次網(wǎng)供回水溫度、一二次網(wǎng)循環(huán)流量、建筑物的類(lèi)型等?？紤]的外部因素越全面，其預(yù)測(cè)結(jié)果越好。然而，如果引入了太多的外部因素，計(jì)算過(guò)程越復(fù)雜，計(jì)算時(shí)間越長(zhǎng)。因此，本文主要研究對(duì)供暖熱負(fù)荷影響大的室外溫度和室內(nèi)溫度

。室外溫度主要依據(jù)歷史天氣預(yù)報(bào)查詢，室內(nèi)溫度依據(jù)室溫采集裝置，從而提高負(fù)荷預(yù)測(cè)結(jié)果的準(zhǔn)確度。

ARX模型的表達(dá)式：

天然氣燃燒分為完全燃燒和不完成燃燒，完全燃燒生成CO2和H2O，不完全燃燒則生成CO和H2O。SCR4500生產(chǎn)線的燃燒系統(tǒng)則是通過(guò)調(diào)節(jié)空氣和燃?xì)獗壤龑?dǎo)致燃?xì)獠煌耆紵龔亩a(chǎn)生 CO，CO 與氧結(jié)合生成 CO2(CO+O→CO2)，使氧從流銅液中擴(kuò)散析出，從而達(dá)到控制銅液中氧的含量。

d——輸入到輸出的時(shí)間滯后；

對(duì)上式進(jìn)行

變換，在零初始條件下輸出變量的

變換對(duì)輸入變量的

變換之比就是該系統(tǒng)的

傳遞函數(shù)：

式中，

為移位算子，它與運(yùn)算子

的關(guān)系為:

式中：

系統(tǒng)模型辨識(shí)常采用神經(jīng)網(wǎng)絡(luò)辨識(shí)法、貝葉斯法、極大似然估計(jì)法以及最小二乘法等。最小二乘法是一種找到最優(yōu)化估計(jì)值的數(shù)學(xué)工具，它找到的函數(shù)的估計(jì)值和觀測(cè)值的誤差最小。但是由于數(shù)據(jù)量大的話用最小二乘法計(jì)算量大，因此采用遞推最小二乘法來(lái)進(jìn)行模型參數(shù)估計(jì)

，模型階次確定按照假設(shè)-檢驗(yàn)步驟進(jìn)行。先假設(shè)模型階次n=1,外部因素的d

=d

=0,運(yùn)用最小二乘法原理,模型參數(shù)X的向量形式為：

其中，T 為采樣周期。移位算子的運(yùn)算有如下的關(guān)系：

利用上式,可容易地將式（3）的

的傳遞函數(shù)轉(zhuǎn)換為式（1）的差分方程的形式。

這樣的念頭在我的腦海里已經(jīng)有一段日子。盡管這樣，我還是很認(rèn)真地去備課；盡管這樣，我還是懷著一顆平和的心去上課。我想，只要自己做好一名老師該做的事，錯(cuò)的就不應(yīng)該是我。只要我盡力了，我便問(wèn)心無(wú)愧。

然而，建立輕罪制裁制度，需要解決的一個(gè)前提問(wèn)題就是，輕罪的范圍應(yīng)當(dāng)如何劃定？可以說(shuō)，在這個(gè)問(wèn)題上，不論是學(xué)界還是實(shí)務(wù)部門(mén)，至今也未能形成統(tǒng)一的認(rèn)識(shí)。例如，在輕罪與重罪劃分標(biāo)準(zhǔn)上，有的持“實(shí)質(zhì)標(biāo)準(zhǔn)說(shuō)”，有的持“形式標(biāo)準(zhǔn)說(shuō)”，有的持“實(shí)質(zhì)與形式標(biāo)準(zhǔn)綜合說(shuō)”。在“形式標(biāo)準(zhǔn)說(shuō)”內(nèi)部，又有“法定刑標(biāo)準(zhǔn)說(shuō)”和“宣告刑標(biāo)準(zhǔn)說(shuō)”的不同見(jiàn)解。而在劃定輕罪范圍的刑期限度上，則“1年說(shuō)”、“3年說(shuō)”、“5年說(shuō)”、“10年說(shuō)”等觀點(diǎn)不一而足。此外，伴隨著部分行政違法行為被納入犯罪圈，對(duì)于是否應(yīng)將我國(guó)的治安或行政違法行為繼續(xù)進(jìn)行輕罪化處理，當(dāng)前也存在著激烈的爭(zhēng)議，有些學(xué)者持肯定意見(jiàn)，有的則明確表示反對(duì)。

如果上述的模型還受到噪聲的影響,則上式可以寫(xiě)成

以80例2型糖尿病合并胃潰瘍患者作為該次研究對(duì)象，選擇電腦分配方式作為分組原則，分為兩組（觀察組40例與對(duì)照組40例）。

預(yù)測(cè)模型的兩個(gè)外部輸入分別為室外溫度

、室內(nèi)溫度

，建立數(shù)學(xué)模型

。如下式所示：

式中：

y——模型輸出,代表供熱功率；

傳統(tǒng)分析儀表運(yùn)行時(shí)，操作人員通常會(huì)過(guò)量加藥來(lái)保證其正常運(yùn)行。例如鍋爐給水反滲透ORP值控制還原劑的加入量，循環(huán)汽水ORP值控制加氨量等。智能分析儀表信號(hào)穩(wěn)定可靠，藥劑的用量更為精準(zhǔn)和穩(wěn)定，避免了因人工操作而產(chǎn)生的加藥量不準(zhǔn)確、調(diào)控不穩(wěn)定和加藥時(shí)機(jī)不科學(xué)等問(wèn)題，從而有效控制藥品消耗，使廢液排放指標(biāo)更為合理、環(huán)保。

k——離散采樣時(shí)間；

z——離散差分方程取Z變換后的微分算子；

遞推最小二乘算法的基本思路：

離散模型系統(tǒng)的輸入輸出模型也可用差分方程的形式來(lái)表示：

ξ——代表噪聲項(xiàng)；

y——供熱功率的模型值；

1.2 參數(shù)估計(jì)

眾所周知，保證睡眠的時(shí)間和質(zhì)量對(duì)身體健康極為重要，尤其是對(duì)于青少年而言，缺少睡眠會(huì)增加患肥胖癥和Ⅱ型糖尿病的風(fēng)險(xiǎn)。據(jù)法國(guó)健康雜志《TOPSANTE》報(bào)道，美國(guó)休斯頓大學(xué)的研究表明，睡眠時(shí)間不足或睡眠質(zhì)量較低的青少年患抑郁癥和焦慮癥的風(fēng)險(xiǎn)很高。

式中：

A

=[-y(k-1),…,-y(k-t)，u

(k-1),…,u

(k-t),u

(k-1),…,u

(k-t)]，A

為假設(shè)模型階次為1 時(shí)輸入數(shù)據(jù)，輸出數(shù)據(jù)的組合向量；u

(k-1),u

(k-1),u

(k-t),u

(k-t)為模型第k-1,k-t 時(shí)刻兩種輸入數(shù)據(jù)；y(k-1),y(k-t)為模型第k-1，k-t時(shí)刻輸出數(shù)據(jù)。

安全貫穿于企業(yè)經(jīng)營(yíng)活動(dòng)全過(guò)程，現(xiàn)金控制管理工作也同樣需要進(jìn)行安全方面的強(qiáng)化。保障現(xiàn)金安全最有效的措施便是建立完善的現(xiàn)今內(nèi)部控制制度。拋開(kāi)其他方面不論，單以企業(yè)現(xiàn)金管理的安全方面來(lái)說(shuō)，企業(yè)內(nèi)部應(yīng)當(dāng)建立起具有專(zhuān)業(yè)性的崗位負(fù)責(zé)相關(guān)工作。在實(shí)際的工作中，相關(guān)工作人員應(yīng)當(dāng)按照規(guī)定對(duì)現(xiàn)金業(yè)務(wù)進(jìn)行監(jiān)督、管理，以此保證現(xiàn)金業(yè)務(wù)的安全性、規(guī)范性。

X=[a

b

,b

,b

,b

]

，X 為 模 型 參 數(shù) 估 計(jì) 向量。

y

=[y(k-1),…，y(k-t)]

，y 為第 k-1，k-t 時(shí)刻輸出向量。

經(jīng)過(guò)分析確定在后續(xù)的參數(shù)估計(jì)與模型驗(yàn)證中,采用二階模型,d

=d

=1,得到的模型精度較高。

模型（7）式可化成最小二乘法

的格式為：

式中，

(k)=[-y(k-1),-y(k-2),…,-y(k-n

),

(k-d),

(k-d-1),…,

(k-d-n

),

(k-d),

(k-d-1),…,

(k-d-n

)]為輸入-輸出觀測(cè)向量。

=[a

,…,

a

,b

,b

,…,

,b

,b

,…,

]

為待估計(jì)參數(shù)向量。

和

——模型的兩個(gè)輸入,分別代表室外溫度和室內(nèi)溫度；

1.3 模型檢驗(yàn)

采用均方根誤差RMSE 和平均絕對(duì)百分比誤差MAPE 衡量模型的準(zhǔn)確性：式(13)為均方根誤差RMSE，代表絕對(duì)誤差的大??；式(14)為平均絕對(duì)百分比誤差MAPE，代表相對(duì)誤差的大小。

1.我無(wú)處不在，你卻看不到我。你可以感覺(jué)到我，卻抓不住我。我沒(méi)有喉嚨，你卻能聽(tīng)到我的聲音。我是什么？（答案：wind風(fēng)）

A 和B

、B

——模型的多項(xiàng)式系數(shù)：

——供熱功率的樣本值；

N——樣本個(gè)數(shù)。

2 模型應(yīng)用

本次研究主要選取集中供熱熱源處的供熱量和采集到的住宅小區(qū)的用戶室內(nèi)溫度數(shù)據(jù)進(jìn)行研究，數(shù)據(jù)來(lái)源于熱力公司。本文熱負(fù)荷預(yù)測(cè)需要的數(shù)據(jù)還有室外溫度，主要是從天氣預(yù)報(bào)上獲得。一次網(wǎng)供水溫度等數(shù)據(jù)同樣來(lái)源于熱力公司。室內(nèi)溫度是由安裝在用戶室內(nèi)的室溫采集裝置,通過(guò)無(wú)線傳輸給監(jiān)控平臺(tái)取得的。本次數(shù)據(jù)的樣本從11月 13 日到 12 月 13 日共 30 d 248 組，采樣時(shí)間為3 h 一次。室內(nèi)溫度、室外溫度、一次網(wǎng)供水溫度、供熱量實(shí)際數(shù)據(jù)匯總結(jié)果如圖1（a）至(d)所示。

將圖1所示的數(shù)據(jù)樣本劃分成訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集,前120 組數(shù)據(jù)用以模型訓(xùn)練,后128 組數(shù)據(jù)用于模型驗(yàn)證。在模型訓(xùn)練中,采用遞推的最小二乘法對(duì)模型參數(shù)進(jìn)行估計(jì),得到負(fù)荷預(yù)測(cè)模型為:

從負(fù)荷預(yù)測(cè)模型表達(dá)式可以看出,熱負(fù)荷隨著室外溫度的升高而下降，是呈負(fù)相關(guān)的。熱負(fù)荷隨著室內(nèi)溫度的升高而升高，呈正相關(guān)特性。

將式(15)的預(yù)測(cè)模型用驗(yàn)證數(shù)據(jù)集進(jìn)行迭代,得到的

(

)與實(shí)際數(shù)據(jù)

(

)進(jìn)行比較,得到模型驗(yàn)證結(jié)果如圖2所示。對(duì)模型進(jìn)行檢驗(yàn)，模擬值與實(shí)測(cè)值的均方根誤差(RMSE)為19 和22，平均絕對(duì)誤差為3.5%和4.8%。模型訓(xùn)練集與驗(yàn)證數(shù)據(jù)集模擬值與實(shí)測(cè)值基本吻合。由圖2也可看出，模擬值曲線與實(shí)測(cè)值曲線基本吻合，說(shuō)明該模型能正確反映熱負(fù)荷預(yù)測(cè)的變化趨勢(shì)，適用于供暖熱負(fù)荷預(yù)測(cè)。

3 結(jié)論

本文提出基于外部輸入因素的ARX 模型的負(fù)荷預(yù)測(cè)模型。采用的兩個(gè)外部因素為室外溫度和室內(nèi)溫度。基于從供熱公司取得的供熱運(yùn)行數(shù)據(jù)，應(yīng)用假設(shè)法和最小二乘法確定了模型的階次和參數(shù)。試驗(yàn)結(jié)果表明，模型的負(fù)荷預(yù)測(cè)曲線與實(shí)測(cè)值基本一致，驗(yàn)證數(shù)據(jù)集的負(fù)荷預(yù)測(cè)曲線與實(shí)測(cè)曲線基本吻合。

通過(guò)分析研究發(fā)現(xiàn)：

考慮中長(zhǎng)期電量合約分解的調(diào)頻備用市場(chǎng)機(jī)制//董力,高賜威,喻潔,滕賢亮,涂孟夫,丁恰//(14):61

1）供熱系統(tǒng)的供熱量與室外氣象因素、室內(nèi)溫度、建筑物類(lèi)型都有關(guān)，室外溫度是主導(dǎo)因素；

2)采用改進(jìn)的最小二乘法即遞推最小二乘法可以簡(jiǎn)化迭代過(guò)程，該算法不僅可以減少計(jì)算量和存儲(chǔ)量，而且能實(shí)現(xiàn)在線辨識(shí)；

中藥可以干預(yù)腫瘤分泌趨化因子，從而抑制腫瘤轉(zhuǎn)移。趨化因子是一類(lèi)分泌型小分子蛋白，其作用由特異性趨化因子受體介導(dǎo)。近年來(lái)研究發(fā)現(xiàn)，腫瘤細(xì)胞可分泌趨化因子，對(duì)表達(dá)趨化因子受體的間質(zhì)細(xì)胞產(chǎn)生趨化作用，進(jìn)而在間質(zhì)細(xì)胞的輔助下完成侵襲、轉(zhuǎn)移的過(guò)程[11]。結(jié)腸癌中趨化因子1（CXCL1）是轉(zhuǎn)移前微環(huán)境形成和腫瘤轉(zhuǎn)移的關(guān)鍵[12]。楚小鴿等[13]研究了清熱解毒方對(duì)移植性肝癌小鼠的抗腫瘤作用及趨化因子的影響，結(jié)果表明清熱解毒方能夠顯著下調(diào)肝癌小鼠趨化因子CXCL1、CXCL2、CXCL3及白細(xì)胞介素-1β（IL-1β）的分泌，且存在一定的量效關(guān)系。

3）由負(fù)荷預(yù)測(cè)模型可以看出，熱負(fù)荷與室外溫度呈負(fù)相關(guān)，與室內(nèi)溫度呈正相關(guān)關(guān)系；

4）本次在獲得負(fù)荷預(yù)測(cè)模型的基礎(chǔ)上結(jié)合住宅的供熱運(yùn)行數(shù)據(jù)進(jìn)行驗(yàn)證對(duì)比，模擬值與實(shí)測(cè)值的均方根誤差(RMSE)為19 和22，均小于25，平均絕對(duì)誤差均小5%。證明建立的模型對(duì)負(fù)荷預(yù)測(cè)具有較高的預(yù)測(cè)精度，為后期供熱公司制定調(diào)節(jié)策略提供有效的依據(jù)。

[1]黃文，管呂生.城市集中供熱研究現(xiàn)狀及發(fā)展趨勢(shì)[J].國(guó)外建材科技，2004，25(5):78-80.

[2]中華人民共和國(guó)國(guó)家統(tǒng)計(jì)局.中華人民共和國(guó)統(tǒng)計(jì)年鑒2013[R].北京:中國(guó)統(tǒng)計(jì)出版社，2013.

[3]石兆玉.供熱系統(tǒng)運(yùn)行調(diào)節(jié)與控制.北京：清華大學(xué)出版社，1994.

[4]朱學(xué)莉，齊維貴，陸亞俊.建筑供熱負(fù)荷預(yù)報(bào)與預(yù)測(cè)控制策略研究[J].控制與決策，2002(S1):703-706.

[5]周恩澤，方修睦.供暖熱水鍋爐房的熱負(fù)荷預(yù)報(bào)［J］.哈爾濱建筑大學(xué)學(xué)報(bào)，2000，33（3）：56-60.

[6]李思琦，蔣志堅(jiān).基于改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)的供熱負(fù)荷預(yù)測(cè)模型[J].軟件導(dǎo)刊，2019，18(7):41-44+48.

[7]張佼，田琦，王美萍.基于遺傳算法優(yōu)化支持向量回歸機(jī)參數(shù)的供熱負(fù)荷預(yù)測(cè)[J].暖通空調(diào)，2017，47(2):104-108+25.

[8]Werner，Ser. The heat load in district healing system[J]. Chalmers University of Technology，1984.

[9]Mathiesen B V，Lund H，Connolly D，et al.Smart Energy Systems for coherent 100%renewable energy and transport solutions［J］.Applied Energy，2015，145：139-154.

[10]Omer Yetemen，Tolga Yalcin. Climatic parameters and evaluation of energy consumption of the Afyon geothermal district heating system，Afyon，Turkey[J].Renewable Energy，2009，34(3):706-710.

[11]Yoshida H，Inooka T.Rational operation of a thermal storage tank with loadprediction scheme by ARX model approach. In: Proceeding of building performance simulations，1997.

[12]Yun K，Luck R，Mago PJ，Cho H.Buildinghourly thermal load prediction usingan indexed ARX model.Energy Build，2012(14):225-233.

[13]王素玉，姜永成，方修睦，劉立濤，鄭瑞蕓.基于供熱數(shù)據(jù)挖掘和負(fù)荷預(yù)測(cè)的適量供熱技術(shù)[J].暖通空調(diào)，2011，41(7):1-5.

[14]張武，周榮雙，朱誠(chéng).基于ARX 模型的溫室溫度模擬[J].江蘇農(nóng)業(yè)學(xué)報(bào)，2013，29(1):46-50.

[15]何一婷，于軍琪，趙蕾，趙安軍.基于ARX 模型的大型公共建筑冷負(fù)荷預(yù)測(cè)研究[J].現(xiàn)代建筑電氣，2017，8(10):1-6.

[16]強(qiáng)明輝，張京娥.基于MATLAB 的遞推最小二乘法辨識(shí)與仿真[J].自動(dòng)化與儀器儀表，2008(6):4-5+39.

[17]KyungtaeYun，RogelioLuck，PedroJ.Mago，et al.Building hourly thermal load prediction using an indexed ARX model[J].Energy and buildings，2012(Nov.).

[18]徐文曉，秦煜，徐文學(xué)，李實(shí).基于室外溫度和室內(nèi)溫度的集中供熱負(fù)荷預(yù)測(cè)[J].區(qū)域供熱，2021(3).