- 1、本文档共6页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
智能处理与应用
IntelligentProcessingandApplication
DOI:10.16667/j.issn.2095-1302.2024.04.014
基于Seq-GRU的建筑能耗预测方法研究
黎恺嘉,贺晋,曹佳宝,张栋威,刘浩
湖南省交通科学研究院有限公司湖南长沙410015
(,)
摘要预测建筑能耗常用物理模型方法和机器学习方法针对这两种方法存在数据获取难度大与大规模建筑
:,
能耗数据下预测精度不高的问题提出了一种基于Seq-GRU的建筑能耗预测方法通过构建Seq-GRU深度学习模型
,。,
使用历史建筑能耗数据对其进行训练重点研究建筑能耗数据不同特征对预测结果的非线性关系Seq-GRU使用
,。
GRU构建Seq2Seq模型,预测一段时间内的建筑能耗数据,并通过引入注意力机制等方法提高模型的预测精度和
速率实验结果表明基于Seq-GRU的建筑能耗预测方法可以获取较好的建筑能耗数据
。,。
深度学习建筑能耗预测时间序列神经网络注意力机制物联网
关键词:;;;;;
TP181A2095-1302202404-0055-06
中图分类号:文献标识码:文章编号:()
随着大数据和物联网时代的到来建筑能耗数据呈现指
0引言,
数型增长,常见的机器学习算法难以应对庞大的建筑能耗数
随着社会的快速发展我国建筑规模不断扩大建筑能
,,
据,建筑能耗预测模型逐渐从浅层的机器学习发展到深度学
耗逐年增加目前我国的建筑运行阶段能耗占全国总能耗
。,
习深度学习[6-7]相比于机器学习其可通过自身多层的网
的21.7%,建筑碳排放占全社会总排放的40%,为达到我国。,
络结构特点提取建筑能耗数据的特征学习数据间的相关
2030年碳达峰2060年碳中和的目标建筑是我国实现节,,
,,
性,快速给出预测结果,且随着训练的能耗数据和迭代次数
能减排的关键领域通过对建筑能耗进行预测以指导建筑运
文档评论(0)