基于深度学习的建筑热负荷预测模型建立与验证

马 胜飞, 宁 旭昊
郑州英集动力科技有限公司

摘要


本文研究了混合长短期记忆网络（LSTM）和卷积神经网络（CNN）模型在复杂环境下建筑物静态特征预测中的应用。实验结果表明，该模型在复杂环境下对建筑物静态特征的预测精度显著高于传统方法。本研究为建筑物能耗预测和智能建筑管理提供了新的思路和方法。

关键词


深度学习；热负荷预测；LSTM；CNN

全文:

PDF


参考


[1]赵安军，席江涛，荆竞，等.基于CNN的高层住宅建筑群热负荷混合预测模型[J].控制工程，2023，30（4）：662-672.

[2]安文含，周雪，刘吉营.基于多种组合模型的住宅逐时热负荷预测研究[C]//2024供热工程建设与高效运行研讨会论文集（上）.2024.

[3]张昌豪，路绪坤.热力站热负荷神经网络预测模型对比研究[J].煤气与热力，2024，44（6）：V0005.


Refbacks

  • 当前没有refback。