室内区域空气温度长期预测的时间序列预测研究：来自智能建筑的传感器数据案例
机器学习
2025-12-30 v2
摘要
随着全球气候变暖，极端天气和突然的天气变化日益常见。为维持舒适的室内环境并尽可能减少建筑对气候变化的贡献，对 HVAC 系统的操作和控制提出了更高要求，例如更高的能源效率和灵活地响应快速的天气变化。这对建筑区域空气温度的快速建模和预测提出了挑战。与传统基于仿真的方法（如 EnergyPlus 和 DOE2）相比，结合物理方法和数据驱动方法更为适合。最近，高质量数据集的可用性和算法突破推动了该领域大量工作。然而，在短期和长期预测的细分领域，现有研究仍存在一些空白。本文旨在开发一个时间序列预测模型，用于预测位于美国某建筑区域的空气温度，预测时程为 2 周。这些发现可进一步支持 HVAC 系统的智能控制和运行（即需求灵活性），也可用于构建混合建筑能源模型。
引用
@article{arxiv.2512.19038,
title = {Time-series Forecast for Indoor Zone Air Temperature with Long Horizons: A Case Study with Sensor-based Data from a Smart Building},
author = {Liping Sun and Yucheng Guo and Siliang Lu and Zhenzhen Li},
journal= {arXiv preprint arXiv:2512.19038},
year = {2025}
}