论文摘要
预测控制方法作为改善用户舒适性和降低建筑能耗的重要手段之一,其关键是室内温度预测模型的建立。由于寒地过渡季建筑的室内温度受室外温度影响较大,本文引入了长短时记忆网络(LSTM)这一算法,该算法能学习室内温度和室外温度的内在联系,预测室内温度在室外温度影响下的变化,同时可以有效处理具有滞后性、时序性的物理量关系。通过在哈尔滨某高校教学楼办公室的实测数据,建立LSTM室内温度预测模型,训练并对预测结果进行评估。结果表明,该算法具有较高的准确度,拟合优度达到了98.7%。
论文目录
文章来源
类型: 期刊论文
作者: 殷青,张岩,韩昀松
关键词: 严寒地区,过渡季,机器学习,算法,室内温度,预测模型
来源: 低温建筑技术 2019年03期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 建筑科学与工程
单位: 哈尔滨工业大学建筑学院,寒地城乡人居环境科学与技术工业和信息化部重点实验室
基金: 国家重点研发计划课题项目(2016YFC0700209)
分类号: TU831.1
DOI: 10.13905/j.cnki.dwjz.2019.03.003
页码: 8-12
总页数: 5
文件大小: 927K
下载量: 275