10.3969/j.issn.1000-386x.2022.11.006
基于LightGBM-LSTM组合模型的商业建筑能耗预测
准确预测商业建筑能耗使用对于能源节约具有十分重要的意义.在分析基于决策树算法的模型和长短期记忆网络(LSTM)特性的基础上,依据某商业建筑历史能耗序列数据,构建一种预测短期能耗的LightGBM-LSTM模型.LightGBM对多特征数据处理优秀,它是对梯度提升树(GBDT)的优化策略,使用了互斥特征打包(MEF)算法进行特征合并.LSTM对时间序列数据适用性高.组合模型结合两种模型特点,通过权重组合预测数据.将组合模型与LightGBM、LSTM单项模型、其他常用模型做对比实验,实验结果验证了LightGBM-LSTM模型在建筑能耗预测中具有更高的准确性.
LightGBM、长短期记忆网络、建筑能耗预测、GBDT
39
TP3(计算技术、计算机技术)
国家自然科学基金61602334
2022-12-06(万方平台首次上网日期,不代表论文的发表时间)
共8页
36-42,65