科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提升建筑能耗预测的精度、鲁棒性和泛化能力，提出树种算法（TSA）优化的径向基函数（RBF）神经网络与长短时记忆（LSTM）神经网络结合的混合预测模型.采用基于自适应噪声的完全集成经验模态分解算法，将建筑能耗数据分解为1组本征模态函数（IMF）分量和1个残余分量，利用样本熵算法将各分量划分为高频分量和低频分量.采用最小绝对收缩与选择算子（LASSO）方法进行特征选择.分别利用TSA算法优化后的RBF模型与LSTM模型对低频分量和高频分量进行预测，并叠加重构得到最终预测结果.模型评估结果表明，混合预测模型的精度为98.72%.相比于RBF、TSA-RBF、LSTM模型，所提模型的预测效果更好，且具有较强的鲁棒性和泛化能力，能够更为有效地用于建筑逐时电力能耗预测.
- 单位
