TY -的A2瓦希德Fazli AU -风扇,Bingqian盟兴,Xuanxuan PY - 2021 DA - 2021/12/29 TI -智能预测方法基于深度学习的建筑能源消耗SP - 3323316六世- 2021 AB -建筑能耗预测中扮演一个重要的角色在实现建筑节能控制。受到一些外部因素,如温度、实际应用中存在一些问题,如复杂的操作和预测精度较低。针对贫穷的时机造成的预测精度较低的问题,现有的建筑能耗预测方法,建筑能耗预测和分析方法提出了基于深度学习网络。建立能耗预测模型之前,建筑能源消耗数据预处理和分析来源。然后,基于Keras深度学习框架,一种改进的长短期记忆(ILSTM)预测模型构建来支持整个周期的准确分析预测网络。同时,自适应的时刻(亚当)估计算法是用于更新和优化模型的重量参数实现自适应和快速更新和网络参数的匹配。模拟实验是基于实际收集的数据集在中国西南大学。实验结果表明,该评价指标美和RMSE该方法的0.015和0.109,分别比比较法。仿真实验证明,该方法是可行的。SN - 1058 - 9244 UR - https://doi.org/10.1155/2021/3323316 - 10.1155 / 2021/3323316摩根富林明科学编程PB - Hindawi KW - ER