基于深度学习的公共建筑能耗预测
机器学习
2022-07-26 v1 人工智能
摘要
本文提出一种基于长短期记忆网络（Long Short-Term Memory Network, LSTM）的方法，依据过往测量数据预测公共建筑的能耗。我们的方法包含三个主要步骤：数据处理步骤、训练与验证步骤，以及最后的预测步骤。我们在一个数据集上测试了该方法，该数据集由每半小时从英国国家档案馆（位于邱园）主楼采集的测量值组成，并采用平均绝对误差（Mean Absolute Error, MAE）与平均绝对百分比误差（Mean Absolute Percentage Error, MAPE）作为评估指标。
引用
@article{arxiv.2207.11953,
title = {Deep Learning for Forecasting the Energy Consumption in Public Buildings},
author = {Viorica Rozina Chifu and Cristina Bianca Pop and Emil St. Chifu and Horatiu Barleanu},
journal= {arXiv preprint arXiv:2207.11953},
year = {2022}
}