《表2 与BP神经网络算法比较》
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。
图表编号 | XD00196387600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.01 |
作者 | 刘杭 |
绘制单位 | 苏州科技大学电子与信息工程学院、江苏省建筑智慧节能重点实验室 |
更多格式 | 高清、无水印(增值服务) |