基于注意力机制的CNN-BiLSTM模型在地铁站公共区空调冷负荷预测中的应用
姚明阳1
郭红红2
马汉林1
1.柳州铁道职业技术学院城轨交通与信息学院,广西 柳州 5450002.成都地铁运营有限公司,四川 成都 610000
摘要：空调冷负荷预测的准确性对实现空调系统的实时调控和节能运行具有重要意义.提出一种基于注意力机制的CNN-BiLSTM模型,对成都某地铁站公共区空调冷负荷进行预测,分析气象参数客流量等参数对当前冷负荷影响的相关性程度,结合卷积神经网络(CNN)的特征提取能力、双向长短期记忆网络(BiLSTM)的时间序列处理能力以及注意力机制的重要特征关注能力,建立冷负荷预测模型,并与BP神经网络、长短期记忆网络(LSTM)以及卷积长短期记忆网络(CNN-LSTM)模型进行预测效果的对比实验.结果表明,基于注意力机制的CNN-BiLSTM的准确性和可靠性更高.与BP模型相比,CNN-ATT-BiLSTM模型的RMSE、MAE分别降低了70.78%、69.56%,R2提高了23.48%;与LSTM模型相比,CNN-ATT-BiLSTM模型的RMSE、MAE分别降低了62.54%、61.62%,R2提高了15.71%;与CNN-LSTM模型相比,CNN-ATT-BiLSTM模型的RMSE、MAE分别降低了53.13%、56.21%,R2提高了10.90%.
关键词：冷负荷卷积神经网络双向长短期记忆网络注意力机制
分类号：U231.4(特种铁路)
资助基金：广西高校中青年教师科研基础能力提升项目(2022KY1410)柳州铁道职业技术学院校级课题项目(2021-KJA04)广西高校中青年教师科研基础能力提升项目(2025KY1594)
论文发表日期：2025-02-25
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( 61-65 )
英文信息