基于LSTM网络的建筑能耗预测方法

发布时间：2023-03-03 10:48

　　针对目前建筑能耗预测方法难以同时兼顾能耗数据时序性和非线性的问题,提出一种基于长短期记忆网络(Long Short-Term Memory,LSTM)的预测方法。首先,通过平均值填充的方式对历史数据中的空值以及离群值进行处理,并进行归一化操作,完成对数据的预处理步骤;然后,对处理好的数据进行转换,将时间序列问题转换为监督学习问题,从而得到样本数据,用于模型的训练与验证;最后,基于长短期记忆网络算法,构建能耗预测模型。实验结果表明,该方法能够有效地进行能耗预测,此外,与BP神经网络算法比较,该方法具有更高的预测精度。

【文章页数】：7 页

【文章目录】：
1 建筑能耗预测方法
    1.1 基本原理
    1.2 建模过程
2 实验结果与分析
    2.1 数据来源
    2.2 实验评价指标
    2.3 实验结果与分析
        2.3.1 训练数据损失
        2.3.2 LSTM预测结果
        2.3.3 与BP神经网络算法比较
3 结语



本文编号：3752695