BriefGPT - AI 论文速递
·
基于历史数据和环境因素的数据驱动能耗预测
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本研究使用历史能源数据、占用模式和天气条件，引入了一种基于LSTM模型的建筑能源消耗预测方法。该模型在短期、中期和长期能源预测方面比现有模型更准确，具有最高0.97的R2得分和最佳0.007的平均绝对误差。通过严格训练和评估，解决了过拟合和欠拟合问题。总之，该研究提供了一种优于其他方法的强大LSTM模型，具有出色效率、普适性和可靠性，为能源预测做出了贡献。
🎯
关键要点
- 本研究引入了一种基于LSTM模型的建筑能源消耗预测方法。
- 该模型在短期、中期和长期能源预测方面比现有模型更准确。
- LSTM模型的最高R2得分为0.97，最佳平均绝对误差为0.007。
- 模型在受限数据集上实现了高效的能源消耗预测。
- 通过严格训练和评估，解决了过拟合和欠拟合问题。
- 研究提供了一种优于其他方法的强大LSTM模型，具有出色效率、普适性和可靠性。
➡️
