用于建筑短期负荷预测的堆叠提升器网络架构
机器学习
2020-04-17 v2 机器学习
摘要
本文提出了一种用于建筑能源负荷短期预测的新型深度学习架构。该架构基于一个简单的基学习器与多个被建模为单一深度神经网络的提升系统。该架构将原始多变量时间序列转换为多个级联的单变量时间序列。结合稀疏交互、参数共享与等变表示，此方法能够在以深度网络架构获得良好表示能力的同时对抗过拟合。该架构在多项短期负荷预测任务中利用来自芬兰一座办公楼的能源数据进行了评估。所提架构在所有任务中均优于最先进的负荷预测模型。
引用
@article{arxiv.2001.08406,
title = {Stacked Boosters Network Architecture for Short Term Load Forecasting in Buildings},
author = {Tuukka Salmi and Jussi Kiljander and Daniel Pakkala},
journal= {arXiv preprint arXiv:2001.08406},
year = {2020}
}
备注
16 pages, 15 figures