探索人工智能方法用于医疗设施能耗预测：一项深入的扩展系统性综述

医院因其复杂性与独特需求，在全球能耗模式中扮演关键角色。本研究利用PRISMA框架，对采用机器学习与人工智能技术预测医院建筑能耗的文献进行了全面综述。在识别出的1884篇出版物中，有17篇涉及该特定领域并已被详尽审阅，以确立最先进技术水平并识别未来研究所需的空白。本综述揭示了影响能耗预测的多样化数据输入，其中 occupancy（占用率）与气象数据成为显著预测因子。然而，许多研究未深入探讨其数据选择的含义，且在时间动态、运行状态和预处理方法的理解方面存在明显空白。机器学习，尤其是如ANN等深度学习模型，已在该领域展现出潜力，但也带来包括可解释性与计算需求在内的挑战。研究结果强调了AI在优化医院能耗方面的巨大潜力，同时也凸显了开展更全面、更精细研究的必要。未来研究的关键领域包括优化ANN方法、新的优化与数据集成技术、将实时数据集成至智能能源管理系统，以及加强对长期能耗预测的关注。