基于LSTM网络的建筑能耗预测方法

作     者：章挺飞 罗恒 刘杭 ZHANG Tingfei;LUO Heng;LIU Hang

作者机构：苏州科技大学电子与信息工程学院江苏苏州215009 江苏省建筑智慧节能重点实验室江苏苏州215009 

出 版 物：《苏州科技大学学报（自然科学版）》 (Journal of Suzhou University of Science and Technology（Natural Science Edition）)

年 卷 期：2020年第37卷第4期

页      面：78-84页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61602334) 

主　　题：建筑能耗预测 深度学习 LSTM网络 机器学习 

摘      要：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。