体育馆照明系统的立体分布空间特点和动态变化时间特点,使不同体育馆的照明系统具有很强的随机性、动态性和不确定性,从而导致体育馆内照明问题多呈现出较明显的非线性关系。对于照明设计人员来说,若采用传统的照明设计方法,研究设计一个高级别的体育馆照明系统,将是一大挑战。为此,本文以神经网络算法为基础,分别融合模糊控制、粒子群优化算法(particle swarm optimization algorithm,PSO)和遗传算法(genetic algorithm,GA)对体育馆照度进行计算、研究,寻求一种对体育馆照度最优的计算方法,主要研究如下:(1)采用神经网络算法(ANN)对体育馆照度进行基础建模,其次采用两种方法分别对神经网络算法进行改进和优化。一种结合模糊控制的优点,研究模糊神经网络控制算法,可弥补神经网络算法对样本的依赖性大、不善于表达基于规则知识的缺点。另外,提出一种融合PSO-GA优化神经网络照度预测的方法,通过逐次迭代取最优的方式优化神经网络的初始权值和阈值,使所有样本预测偏差总和最小,得到基于PSO-GA优化的神经网络照度预测模型。(2)以实际项目为例,以照度、综合成本、节能和经济效益为评价指标,将经神经网络建立的照度预测模型、模糊神经网络(ANFIS)照度预测模型和融合PSO-GA优化的神经网络(FSO-GA-ANN)照度预测模型进行训练、测试、计算、比较。结果表明,融合PSO-GA优化的神经网络控制算法在体育场馆照明方案设计中,预测速度快,误差小、精确度高。(3)使用DIALux软件对十四运某篮球馆进行建模仿真,并分别对ANN、ANFIS和FSO-GA-ANN三种算法计算的结果进行模拟仿真,通过分析、对比点照度平面图和等值线图,得出FSO-GA-ANN算法预测的平均照度最接近国家规定的照度值,避免光浪费,达到节能的目的;照度均匀度高、眩光小,更有利于比赛的正常进行。可满足体育馆内科学、合理、安全和舒适的照明要求,为体育馆照明设计人员提供一种思路方法。