基于LSTM算法的严寒地区办公建筑过渡季室内温度预测模型构建

作者：殷青; 张岩; 韩昀松

来源：低温建筑技术, 2019, 41(03): 8-12.

DOI：10.13905/j.cnki.dwjz.2019.03.003

• 严寒地区
• 过渡季
• 机器学习
• LSTM算法
• 室内温度
• 预测模型

预测控制方法作为改善用户舒适性和降低建筑能耗的重要手段之一,其关键是室内温度预测模型的建立。由于寒地过渡季建筑的室内温度受室外温度影响较大,本文引入了长短时记忆网络(LSTM)这一算法,该算法能学习室内温度和室外温度的内在联系,预测室内温度在室外温度影响下的变化,同时可以有效处理具有滞后性、时序性的物理量关系。通过在哈尔滨某高校教学楼办公室的实测数据,建立LSTM室内温度预测模型,训练并对预测结果进行评估。结果表明,该算法具有较高的准确度,拟合优度达到了98.7%。

• 单位
  工业和信息化部; 哈尔滨工业大学