基于改进的LSTM模型的建筑能耗预测

摘要：

通过对现有建筑能耗预测模型的分析,本文提出了一个能够用于建筑能耗预测的深度学习框架.该框架以间隔记录预先确定的能耗数据为基础,首先利用相关系数法分析特征的相关性并进行特征选择,其次利用注意力机制对数据的不同特征赋予不同的权重,最后利用改进的长短时记忆网络对时间序列数据中的时间信息建模来处理长时间依赖性.实验结果表明,在上海建筑运行能耗公开数据集上,与PCC-ATT-LSTM、LSTM、PCC-LSTM、ATT-LSTM进行比较,本文提出的模型能够很好地用于建筑能耗预测,具有较高的效率及适用性.

关键词：时间序列、长短时记忆网络、深度学习、建筑能耗预测

所属期刊栏目：12

分类号：TP183(自动化基础理论)

资助基金：山东省自然科学基金ZR2022MF288

在线出版日期：2023-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：16-24