买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安交通大学

摘要：本发明公开了一种基于频率增强分解Transformer网络的建筑能耗预测方法，预测模型包括规范化层、嵌入层、WFDformer编码器层、投影变换层和反规范化层；WFDformer编码器层包括多变量时序Transformer模块和双分支频率增强模块；多变量时序Transformer模块包括多头注意力层、前馈神经网络层和两个季节‑趋势渐进分解模块，本发明通过季节‑趋势渐进分解模块对历史输入序列进行渐进式分解，帮助模型逐层解开耦合的模式和成分，以变量token为输入的多变量时序Transformer编码器可使自注意力机制捕获多个能耗变量间的相互作用，同时小波增强与傅里叶增强模块可加强模型对季节局部特征和趋势全局特征的提取能力，提高模型的长期预测性能。

主权项：1.一种基于频率增强分解Transformer网络的建筑能耗预测方法，其特征在于，包括如下步骤：步骤1，采集建筑能耗时序数据并进行预处理；步骤2，建立基于频率增强分解Transformer网络的能耗预测模型，模型依次包括规范化层、嵌入层、WFDformer编码器层、投影变换层和反规范化层；所述WFDformer编码器层用于获取时间序列的特征表示，其包括多变量时序Transformer模块和双分支频率增强模块；所述多变量时序Transformer模块包括多头注意力层、前馈神经网络层和两个季节-趋势渐进分解模块，所述前馈神经网络层设置在两个季节-趋势渐进分解模块之间；所述双分支频率增强模块包括小波增强模块和傅里叶增强模块；在每个WFDformer编码器层中，其多变量能耗时序输入经过分解得到初始的季节项和初始的趋势项Xens进入所述小波增强模块，Xent进入所述傅里叶增强模块，所述小波增强模块的输出经过所述多头注意力层后由所述两个季节-趋势渐进分解模块依次进行渐进分解再次得到季节项和趋势项；傅里叶增强模块的输出与第一层渐进分解的趋势项相加，所得结果与第二层渐进分解的趋势项相加，再与第二层渐进分解的季节项相加，作为当前WFDformer编码器层的输出；其中，d为变量维数，L为序列长度；步骤3：利用建筑能耗数据训练集训练步骤2所建模型，将建筑能耗时序数据输入到训练好的模型进行多步预测，得到多步建筑能耗预测结果。

全文数据：

权利要求：

百度查询： 西安交通大学 一种基于频率增强分解Transformer网络的建筑能耗预测方法