龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：西安建筑科技大学
摘要：本发明公开了一种基于改进LSTM的建筑能耗预测方法及系统，方法包括如下过程：获取LSTM神经网络对应的最优参数；将最优参数引入LSTM变体神经网络，使用基于权重衰减的随机梯度优化算法对LSTM变体神经网络中的超参数进行优化，获得LSTM变体神经网络的最佳超参数，将最佳超参数对应的LSTM变体神经网络作为最优LSTM预测模型；利用最优LSTM预测模型对采集的影响建筑负荷的数据进行处理，预测建筑指定时间的负荷数据，实现建筑能耗预测。本发明方法预测精度更高，稳定性更好，更适应于商业建筑短期能耗预测。
主权项：1.一种基于改进LSTM的建筑能耗预测方法，其特征在于，包括如下过程：获取LSTM神经网络对应的最优参数；将最优参数引入LSTM变体神经网络，使用基于权重衰减的随机梯度优化算法对LSTM变体神经网络中的超参数进行优化，获得LSTM变体神经网络的最佳超参数，将最佳超参数对应的LSTM变体神经网络作为最优LSTM预测模型；利用最优LSTM预测模型对采集的影响建筑负荷的数据进行处理，预测建筑指定时间的负荷数据，实现建筑能耗预测；所述基于权重衰减的随机梯度优化算法为在Adam优化算法中，在梯度矩估计后，经过偏差校正，在参数更新时引入权重衰减项，得到所述基于权重衰减的随机梯度优化算法；所述基于权重衰减的随机梯度优化算法的参数更新公式如下： θ＝[W,b]式中，W包含遗忘门的权重矩阵、输入门的权重矩阵以及输出门的权重矩阵，b包含遗忘门的偏置矩阵、输入门的偏置矩阵以及输出门的偏置矩阵，θt为t时间步更新的参数，θt-1为t-1时间步更新的参数，mt为第一矩向量，为第二矩向量的偏差修正，ε为极小值，η为学习率，ωt-1为权重衰减率。
全文数据：
权利要求：
百度查询： 西安建筑科技大学 一种基于改进LSTM的建筑能耗预测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号