小程序
传感搜
传感圈
基于周期特征提取的ＤＬｎｅｔ预测模型研究
廖雪超 ，黄相
武汉科技大学
2024-10-09
现有的预测方法很少独立分析能源消耗的周期性特征。本文提出了一个短期办公建筑能耗预测模型（ＤＬｎｅｔ），以解决周期性能耗数据利用效率低下的问题。首先，利用ＳＴＬ对能耗数据的周期成分进行分解，通过网格搜索算法寻找能耗数据的最优周期；然后，根据最优周期构建周期块；再根据周期块的数据形状构建时间序列块数据；之后，利用长短期记忆（ＬＳＴＭ）对时间序列块数据和周期块数据进行训练和学习；最后，通过线性回归将时间序列块数据和周期块数据的预测结果进行融合。事实证明，所提出的模型的４个预测精度指标分别比ＬＳＴＭ模型高７ ％ ，２１ ％ ，２５ ％和２６ ％ 。
  • 模型研究
被引用: 212次
年份: 2024年
下载文档 2.00元
引用
分享
来源期刊
内容目录

  • 引言

  • 1、相关理论与方法

    • 1.1 ＬＳＴＭ

    • 1.2 ＳＴＬ

  • 2、ＤＬｎｅｔ能耗预测模型

    • 2.1 ＸＪ 构建

    • 2.2 ＸＣ 构建

    • 2.3 线性回归部分

  • 3、实验与分析

    • 3.1 实验数据集及其分析

    • 3.2 数据预处理

    • 3.3 实验模型参数的确定

    • 3.4 实验评价指标

    • 3.5 实验结果分析

  • 4、结论

核心点推荐
  • 时序块；周期块；最佳周期；ＳＴＬ；长短期记忆