基于迁移学习的深度对抗神经网络的新建筑能耗预测方法

作者：李冠男; 李凡; 胡云鹏; 周传辉; 陈俭; 方曦; 赵小维; 吴雨蓓; 郑悦; 熊嘉豪; 胡浩楠

来源：2021-04-07, 中国, CN202110371084.X.

本发明公开了基于迁移学习的深度对抗神经网络的新建筑能耗预测方法,涉及建筑物能耗预测技术领域,其技术方案要点是：包括以下步骤：S1、将已有建筑体能耗数据作为源域数据,将新建筑的能耗数据作为目标域数据；S2、训练源域数据和目标域数据,采用深度域适应对抗神经网络方法训练建模；S3、设置新建筑能耗数据时间间隔,筛选建模数据,更新调整训练模型,对比传统机器学习能耗预测与训练模型的能耗预测性能评价,选择优势在线预测,选择最佳时间节点进行在线预测策略过渡,实现新建筑全寿命周期在线能耗预测。本方法采用深度域适应对抗神经网络方法对新建筑的建筑能耗数据进行能耗预测,预测精度高,且能够实现新建筑全寿命周期的在线能耗预测。

• 单位
  武汉科技大学