降维式自主迁移强化学习建筑能耗预测
针对建筑能耗数据成因复杂,及能耗数据样本不足,导致现有建筑能耗预测模型不精确等问题,结合迁移学习和强化学习中的Sarsa学习方法,提出一种基于降维式自主迁移强化学习的建筑能耗预测方法——STRL.该方法通过提取影响建筑物能耗的重要维度进行降维,采用欧式度量对满足迁移条件的原始建筑MDP状态进行迁移,结合Sarsa算法构建能耗奖赏函数,实现能耗预测.将所提出的STRL与VFT-HSA1以及FTRL2方法用于模拟建筑物能耗问题进行对比实验,实验结果表明,STRL具有较快的收敛速度以及较好的收敛精度.
迁移学习、强化学习、降维、建筑能耗预测
15
TP181(自动化基础理论)
2019-10-29(万方平台首次上网日期,不代表论文的发表时间)
共4页
205-208