首页|融合注意力机制与LSTM的建筑能耗预测模型研究

融合注意力机制与LSTM的建筑能耗预测模型研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
建筑能耗预测是实现建筑节能和控制的前提,也是未来电网需求响应和实时平衡的重要条件.为提高建筑能耗预测精度,针对建筑能耗序列的复杂性和长期依赖性,提出一种结合LSTM神经网络和注意力机制的建筑能耗预测模型.首先采用距离相关系数来确定环境特征,然后构建LSTM模型,通过网格搜索确定模型超参数.在LSTM模型的基础上加入Attention机制,突出关键时间节点包含的建筑能耗特征对预测结果的影响.在实际用户电能数据集上进行验证,结果表明在小时和日能耗数据集上,预测效果均优于LSTM、GRU模型和其他传统机器学习模型.Attention-LSTM建筑能耗预测模型能够捕捉到历史序列关键时间节点的特征信息,避免了传统循环神经网络无法识别重要信息节点的局限性,能更好地反映建筑能耗的变化趋势.
Research on Building Energy Consumption Prediction Model by Integrating Attention Mechanism and LSTM

邵必林、史洋博、赵煜

展开 >

西安建筑科技大学管理学院,陕西西安710055

建筑能耗预测 注意力机制 LSTM神经网络 距离相关系数

62072363

2021

10.11907/rjdk.202642

软件导刊
湖北省信息学会

软件导刊

影响因子：0.524
ISSN：1672-7800
年,卷(期)：2021.20(10)
  • 7
  • 6