《表2 与BP神经网络算法比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于LSTM网络的建筑能耗预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

BP神经网络算法比较结果见表2。从表2可以看出，基于LSTM网络的预测模型的MAPE值为3.86%，小于BP神经网络的6.79%；其11.64%的最大相对误差也要小于BP神经网络的15.68%，这表明LSTM预测方法较于通常的BP神经网络预测方法，有着更高的预测精度，预测效果要更好。一方面，这得益于LSTM网络允许分析长期依赖性的时间序列数据，比BP神经网络算法在建筑能耗预测上效果要好；另一方面，建筑的用电习惯短期内一般不会发生太大变化，实验中合理选取天气信息、建筑内工作人数及节假日等信息作为特征输入，这有助于建立一个准确的建筑能耗预测模型。