华南理工大学学报(自然科学版)

作者：季天瑶 王挺韶

单位：华南理工大学 电力学院，广东 广州 510640

关键词：建筑能耗预测,一维卷积网络,词嵌入模型,梯度提升决策回归树,长短时记忆网络,贝叶斯优化,超参数自动优化算法

基金：广东省自然科学基金项目(2018A030313822)

在对建筑能耗进行回归预测时需要利用到时序特征与分类特征，而传统模型只能处理其中一种特征。针对该问题，文中提出了一种融合一维卷积与词嵌入的神经网络新构架，其中，一维卷积核能提取连续的时间序列特征，词嵌入模型能对离散的分类特征进行嵌入计算，从而建立能同时处理时序特征与分类特征的建筑能耗预测模型。通过与梯度提升决策回归树和长短时记忆网络的比较，证明所提出的模型在效率与准确率上都有良好的表现。在超参数调节上，采用基于贝叶斯优化的超参数自动优化算法，该算法能在树搜索空间上寻找最优超参数，相比于人工调参，超参数自动寻优算法能在较快的时间内提升模型本身的性能。最后进行了算例仿真，结果表明，文中提出的模型在性能上要优于集成学习模型与长短时记忆网络。

来源：2021年第6期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2021年第6期