基于神经网络算法的建筑电气系统故障监测技术
孙芳宁
摘要：建筑电气系统故障轻则影响居住体验,重则可能引发安全事故,因此需要严格进行电气系统故障监测.基于某医院构建电气系统模型,使用极限学习机(ELM)进行建筑电气系统的故障监测,并通过仿真获取相关数据和特征量提取结果,对ELM模型进行训练.结果显示,ELM模型的精确性达到了98%.与BP神经网络和GA-BP神经网络相比,ELM模型具有更快的运算速度和更高的精度.研究表明,ELM模型性能优异,能够满足建筑电气系统故障智能监测的需求.
关键词：神经网络建筑电气系统故障监测
分类号：TM503(电器)
论文发表日期：2025-05-25
页数：4( 58-61 )
英文信息