基于CNN-RNN组合模型的办公建筑能耗预测 |
| |
引用本文: | 曾国治,魏子清,岳宝,丁云霄,郑春元,翟晓强.基于CNN-RNN组合模型的办公建筑能耗预测[J].上海交通大学学报,2022(9):1256-1261. |
| |
作者姓名: | 曾国治 魏子清 岳宝 丁云霄 郑春元 翟晓强 |
| |
作者单位: | 1. 上海交通大学机械与动力工程学院;2. 广东美的暖通设备有限公司 |
| |
摘 要: | 为准确反映办公建筑的运行特性,利用卷积神经网络(CNN)良好的特征提取能力与循环神经网络(RNN)良好的时序学习能力,提出用于预测办公建筑能耗的CNN-RNN组合模型,并对应设计了适用于深度学习模型的二维矩阵数据输入结构.案例分析结果表明,相较于简单循环神经网络和长短期记忆网络,CNN-RNN组合模型的预测精度与计算效率均显著提升,模型泛化性好.
|
关 键 词: | 建筑能耗预测 卷积神经网络 循环神经网络 深度学习 |
|
|