1.一种中央空调的冷却水回水温度预测控制方法，其特征在于：所述预测控制方法包括如下步骤：（1）记录当前冷却水回水温度和或冷却水泵的频率，设定冷却水回水温度的目标温度为37℃；

（2）建立预测模型，采用两层的BP神经网络模型，设温度预测值有如下表达式：ym(k)＝f[u(k-1),u(k-2),...,u(k-m),y(k-1),y(k-2),..,y(k-n)]ym(k+1)＝f[u(k),u(k-1),...,u(k+1-m),ym(k),y(k-1),..,y(k+1-n)]ym(k+p)＝f[u(k+p-1),u(k+p-2),...u,(k+p-m),ym(k+p-1),...y,m(k),y(k-1),..,y(k+p-n)]其中，ym(k)为第k次模型温度输出值，u(k-1)为第k-1次冷却水泵的频率值，y(k-1)为第k-1次实际温度值，m、n分别为输入和输出的维度，p为预测步长；

设在以后的j步中，u(k+j)＝u(k+j-1)＝...＝u(k+1)＝u(k)则有：x(k+j)＝[u(k),u(k),...,u(k-1),...,u(k+j-m),ym(k+j-1),...,ym(k),y(k-1),..,Ty(k+j-n)]

T

w＝[w1,w2,...,wm+n]

则：ym(k+j)＝g[w*x(k+j)]j＝1,2,...,p其中，x(k+j)为第k+j次模型的输入变量，p为预测步长；

g(x)取单极性sigmoid函数，

（3）神经网络预测模型的学习，过程如下：

采集各个控制对象的阶跃响应dp(k),k=1,2,…,n，p表示样本个数m中的每一个，然后根据预测模型的对应阶跃响应输出yp(k),k=1,2,…,n；采用梯度下降法来修正参数w；

j(k)对w求导得：

若按下式选择Δwj(k)，

其中j＝1,2,...,m+n；η＞0（4-1）则Δj(k)≤0，所以只要保证Δwj(k)按式（4-1）来调整，则j(k)就会随着这一调整一直减小；当其误差达到设定范围内后便可停止学习，保存好学习好的w参数；

（4）反馈校正：设预测模型输出与实际输出之间的误差为：e(k)＝y(k)-ym(k)，修正后的反馈为：yc(k+p)＝ym(k+p)+he(k)，其中，h为修正因子；

i i

（5）参考曲线选取：参考曲线选为：yr(k+i)＝αy(k)+(1-α)yr，i=1,2,…,p，其中T为采样周期，t为时间常数，y(k)为现时刻实际输出，yr为设定值；

（6）优化计算：采用非线性RBF神经网络来实现滚动优化，设T

x(k)＝[yr(k+p);yc(k+p),...,yc(k+p-n+1);u(k),...,u(k-m)]其中yr为参考轨迹；x为N维输入向量；cj为RBF的中心向量；σj为隐节点的宽度；m为隐层节点个数；控制指标为：通过使控制指标E达到最小，按照梯度下降法调节，来调节连接权值系数、函数的中心向量和隐节点的宽度；根据学习好的非线性RBF神经网络得到下一步预测输入值u(k+1)，以此作为冷却水泵的下一步频率。