首页|小数据场景下基于迁移学习与BiLSTM的建筑能耗预测方法

小数据场景下基于迁移学习与BiLSTM的建筑能耗预测方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对由新建建筑或建筑节能改造能耗数据不足引起的深度学习网络预测精度低的问题,提出一种基于迁移学习与BiLSTM(双向长短期记忆网络)的新建建筑能耗预测方法.首先采用MMD(最大均值差异)对源域建筑与目标域建筑的历史数据进行相似度分析;然后利用相似建筑的历史数据对BiLSTM进行预训练;最后微调BiLSTM对目标域建筑进行预测.使用真实的建筑能耗数据进行实验,结果表明,与其他预测模型相比,所提出方法显著提高了能耗预测精度.
Research on building energy consumption prediction based on transfer learning and BiLSTM

田晨璐、刘业春、杨爱新、韩春雪、王璠、梁丽华

展开 >

山东建筑大学信息与电气工程学院,山东 济南 250101

山东省智能建筑技术重点实验室

济南工程职业技术学院机电工程系

建筑能耗预测 迁移学习 相似度分析 深度学习 BiLSTM

国家自然科学基金国家自然科学基金山东建筑大学校内博士基金

6190322652007109X22015Z

2023

10.16644/j.cnki.cn33-1094/tp.2023.04.013

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(4)
  • 6