建筑节能是当今城市建设和社会发展的前沿和研究热点,对建筑的能耗现状进行综合分析与评估是进行节能改造或节能设计的前提和基础,而建立反映能耗变化的预测模型是从宏观尺度上分析认识建筑能耗变化与发展特性、为公共建筑节能工作提供决策依据的有效途径和重要手段。研究针对常规BP网络算法收敛速度慢、易陷入局部最小点的缺点,采用了具有较快收敛速度及稳定性的LM算法进行预测,构造了基于BP神经网络的建筑物用电量预测模型。以某市公共建筑原始用电能耗统计数据作为样本,并采用MATLAB对预测模型进行了仿真预测。结果显示:误差在允

基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 基于深度学习的建筑能耗预测方法研究 ......

建筑业作为国民经济支柱性产业，在推动社会发展的同时也消耗了大量能源。推动 建筑行业进行节能减排，对实现我国于2030年左右使二氧化碳排放达到峰值的节能减 排目标具有重要意义。建筑节能减排的一个重要手段是建筑能耗精细化管理，而进行这 一工作的基础就是对建筑能耗进行准确的预测，从而支撑建筑运行优化管理，实现节能 减排的目标。 为更高效的完成建筑能耗预测工作，本文将机器学习算法应用于建筑能耗预测领域， 以实际案例公共建筑能耗数据为基础，通过完成建筑能耗数据预处理、建筑能耗特征分 析、机器学习算法能耗预测模型建立、模型预测结果分析与评价等工作，建立起了不同 类型建筑与机器学习算法模型之间的适配关系，最终总结提出了标准化的基于机器学习 的建筑能耗预测方法。本文主要研究内容和成果如下: 首先，本文提出了基于KNN算法和K-means算法的建筑能耗异常数据识别和修复 方法，并利用该方法完成了对案例建筑历史能耗数据的预处理工作。建筑能耗预处理结 果表明，该方法可以合理且准确的完成对建筑能耗异常数据的修复工作。这为后续研究 奠定了数据基础。 其次，本文对四栋不同用途的案例公共建筑进行了能耗特征分析，分别

基于数据挖掘的多联机能耗预测.pdf

主要包含：1.分析特征的相关性；2.基于决策树分析特征的重要性；3.基于随机森林进行能耗预测 4.基于超参数调整优化参数

Evaluating methods for time-series forecasting Applied to energy consumption predictions for Hvaler (kommune).pdf

哈佛大学能耗预测项目（Prediction of Buildings Energy Consumption）完整的机器学习项目代码+分析过程