计算机时代2023，Issue(4) ：62-66.DOI:10.16644/j.cnki.cn33-1094/tp.2023.04.013

小数据场景下基于迁移学习与BiLSTM的建筑能耗预测方法

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
计算机时代2023，Issue(4) ：62-66.DOI:10.16644/j.cnki.cn33-1094/tp.2023.04.013
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

小数据场景下基于迁移学习与BiLSTM的建筑能耗预测方法

Research on building energy consumption prediction based on transfer learning and BiLSTM

田晨璐 1刘业春 2杨爱新 3韩春雪 2王璠 2梁丽华2
扫码查看

作者信息

  • 1. 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
  • 2. 山东建筑大学信息与电气工程学院,山东 济南 250101
  • 3. 山东建筑大学信息与电气工程学院,山东 济南 250101;济南工程职业技术学院机电工程系
  • 折叠

摘要

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.

关键词

建筑能耗预测/迁移学习/相似度分析/深度学习/BiLSTM

引用本文复制引用

基金项目

国家自然科学基金(61903226)

国家自然科学基金(52007109)

山东建筑大学校内博士基金(X22015Z)

出版年

2023
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
参考文献量6
段落导航相关论文