隨著人口的增長以及經(jīng)濟(jì)的發(fā)展,住宅與辦公建筑中的能源消耗越來越多。因此,尋求能夠降低建筑能耗的策略是十分有必要的。建筑節(jié)能技術(shù)在降低建筑能耗方面扮演著重要的角色。然而,由于一些不可避免的問題,例如:建筑管理不當(dāng)以及設(shè)備任務(wù)調(diào)度不合理等,使得節(jié)能政策的有效性大打折扣。為了提升建筑管理水平以及建筑設(shè)備調(diào)度的合理性,對建筑能耗進(jìn)行精確的預(yù)測是一種行之有效的方法。目前,相關(guān)研究人員提出了大量數(shù)據(jù)驅(qū)動的建筑能耗預(yù)測方法且取得了較好的預(yù)測結(jié)果。然而,由于人員分布、建筑熱環(huán)境、天氣狀況以及工作時長等因素的影響,在歷史建筑能耗數(shù)據(jù)中存在著高度的不確定性以及隨機(jī)性,這使得準(zhǔn)確、合理的預(yù)測很困難。為獲得更加準(zhǔn)確、合理的預(yù)測結(jié)果,本文將采取如下三種策略:一是采用更加強(qiáng)大的建模方法去學(xué)習(xí)隱藏在歷史數(shù)據(jù)中的信息;二是將來自經(jīng)驗(yàn)與數(shù)據(jù)的知識或模式嵌入到預(yù)測模型中;三是構(gòu)建具有語言值輸出的預(yù)測模型。本文的主要工作如下:首先,為了提升建筑能耗預(yù)測的精度,提出了一種極限深度學(xué)習(xí)方法。所提方法將堆棧自編碼網(wǎng)絡(luò)與極限學(xué)習(xí)機(jī)相結(jié)合,并繼承了兩者各自的優(yōu)勢。其中,堆棧自編碼網(wǎng)絡(luò)用于提取建筑能耗的特征,極限學(xué)習(xí)機(jī)作為預(yù)測器去獲取...

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
        1.2.1 建筑能耗預(yù)測
        1.2.2 深度學(xué)習(xí)方法
        1.2.3 區(qū)間預(yù)測方法
    1.3 研究內(nèi)容與結(jié)構(gòu)安排
        1.3.1 研究內(nèi)容
        1.3.2 結(jié)構(gòu)安排
第2章 基于極限堆棧自編碼網(wǎng)絡(luò)的建筑能耗預(yù)測
    2.1 極限堆棧自編碼網(wǎng)絡(luò)
        2.1.1 堆棧自編碼網(wǎng)絡(luò)
        2.1.2 極限堆棧自編碼網(wǎng)絡(luò)及其訓(xùn)練算法
    2.2 能耗預(yù)測設(shè)定
        2.2.1 實(shí)驗(yàn)數(shù)據(jù)集
        2.2.2 模型訓(xùn)練數(shù)據(jù)生成
        2.2.3 實(shí)驗(yàn)設(shè)置
    2.3 建筑能耗預(yù)測實(shí)驗(yàn)
        2.3.1 半小時建筑能耗預(yù)測
        2.3.2 一小時建筑能耗預(yù)測
        2.3.3 分析與比較
    2.4 小結(jié)
第3章 基于修正深信度網(wǎng)絡(luò)混合模型的建筑能耗預(yù)測
    3.1 深信度網(wǎng)絡(luò)
        3.1.1 受限玻爾茲曼機(jī)
        3.1.2 深信度網(wǎng)絡(luò)
    3.2 混合模型
        3.2.1 混合模型的結(jié)構(gòu)
        3.2.2 用能模式的提取與殘差數(shù)據(jù)的生成
        3.2.3 修正DBN及其訓(xùn)練算法
    3.3 建筑能耗預(yù)測實(shí)驗(yàn)設(shè)定
        3.3.1 比較方法
        3.3.2 實(shí)驗(yàn)數(shù)據(jù)與實(shí)驗(yàn)設(shè)置
        3.3.3 零售店能耗預(yù)測實(shí)驗(yàn)
        3.3.4 辦公樓能耗預(yù)測實(shí)驗(yàn)
        3.3.5 比較與討論
    3.4 小結(jié)
第4章 基于語言值輸出模糊神經(jīng)網(wǎng)絡(luò)的建筑能耗預(yù)測
    4.1 模糊神經(jīng)網(wǎng)絡(luò)
    4.2 語言值輸出模糊神經(jīng)網(wǎng)絡(luò)
        4.2.1 FW-FNN的結(jié)構(gòu)
        4.2.2 FW-FNN的輸入-輸出映射
    4.3 高斯型FW-FNN的數(shù)據(jù)驅(qū)動設(shè)計
        4.3.1 數(shù)據(jù)驅(qū)動設(shè)計流程
        4.3.2 FW-FNN全連接結(jié)構(gòu)的數(shù)據(jù)驅(qū)動生成
        4.3.3 FW-FNN的結(jié)構(gòu)簡化
        4.3.4 高斯型模糊權(quán)重中心的最小二乘學(xué)習(xí)
        4.3.5 高斯型模糊權(quán)重寬度的多目標(biāo)優(yōu)化
    4.4 建筑能耗預(yù)測實(shí)驗(yàn)
        4.4.1 性能評價指標(biāo)
        4.4.2 一小時建筑能耗預(yù)測
    4.5 小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間論文發(fā)表及科研情況



本文編號：3854306