S4ConvD：面向智能建筑节能传感器网络的自适应缩放与频率调整
机器学习
2025-03-03 v1
摘要
由于传感器数据中的依赖性和环境条件的多变性，预测智能建筑中的能耗具有挑战性。我们引入了 S4ConvD，这是一种深度状态空间模型的全新卷积变体，可最大限度地减少对大量预处理步骤的依赖。S4ConvD 旨在优化资源受限环境下的运行时间。通过实施自适应缩放和频率调整，该模型能够捕捉建筑能耗动态中复杂的时序模式。在 ASHRAE Great Energy Predictor III 数据集上的实验表明，S4ConvD 优于当前的基准模型。此外，通过使用 Block Tiling 优化技术，S4ConvD 在 GPU 运行时间上获得了显著改善。因此，S4ConvD 具有在实际能耗建模中部署的潜力。此外，完整的代码库和数据集可在 GitHub 上获取，以促进开源贡献并推动进一步研究。我们的方法还促进了资源高效的模型执行，增强了能耗预测以及将可再生能源整合到智能电网系统中的潜力。
引用
@article{arxiv.2502.21035,
title = {S4ConvD: Adaptive Scaling and Frequency Adjustment for Energy-Efficient Sensor Networks in Smart Buildings},
author = {Melanie Schaller and Bodo Rosenhahn},
journal= {arXiv preprint arXiv:2502.21035},
year = {2025}
}
备注
Submitted to TOSN Journal