基于麻雀搜索算法优化的BiLSTM建筑能耗预测模型
郭雪松1
雷蕾2
1.桂林电子科技大学建筑与交通工程学院,广西 桂林 5410042.浙江理工大学建筑工程学院,浙江 杭州 310018
摘要：建筑能耗的准确预测对建筑能源的合理规划至关重要,为了在建筑能耗预测过程中选择重要的影响因子并提高建筑能耗预测模型的预测精度,提出基于熵加权K-means与随机森林相结合的特征选择方法和麻雀搜索算法,优化双向长短时记忆网络的预测模型(SSA-BiLSTM)进行建筑能耗预测.结果表明,能耗影响因子经过特征选择后,预测模型的计算精度显著提高,与单一的BiLSTM预测模型相比,SSA-BiLSTM预测模型在不同季节的能耗预测中均展现出良好的预测效果.
关键词：能耗预测深度学习双向长短时记忆网络特征选择麻雀搜索算法
分类号：TU18(建筑基础科学)
资助基金：国家自然科学基金(51708146)广西自然科学基金项目(2018GXNSFAA281283)
论文发表日期：2024-06-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1-5 )
英文信息