基于时空特征提取和模型迁移的小样本建筑能耗预测研究
发布时间：2025-09-07
点击次数：
- 发表刊物：
- 安全与环境学报
- 关键字：
- 环境工程学;;资源科学技术;;时空特征;;迁移学习;;小样本;;建筑能耗
- 摘要：
- 精准的建筑能耗预测是实现建筑节能的重要前提。高精度的预测通常需要大量的建筑能耗历史数据，现实应用中很难从新建或既有建筑收集此类数据。为实现小样本场景下建筑能耗的精准预测研究提出了基于时空特征提取和模型迁移的卷积长短时记忆网络（Convolutional Neural Network-Long Short-Term Memory，CNN–LSTM）预测模型，旨在提取已有建筑能耗数据的时空特征，并基于模型迁移实现精准预测。研究结果显示：建筑能耗预测精度与目标域可用数据量呈非线性关系，实施迁移策略总是有助于提升预测精度。在目标域可用数据为6个月并采用“固定参数的预训练模型，添加新全连接层”的迁移策略时，预测模型的均方根误差为0.059，较基准模型降低了70.35%，实现了小样本建筑能耗的精准预测。该预测模型可为建筑业的节能环保提供技术支撑。
- 页面范围：
- 1-13
- ISSN号：
- 1009-6094
- 是否译文：
- 否
- 发表时间：
- 2025-07-29