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