摘要
本发明提供了一种基于生成对抗网络的建筑能耗数据生成及平行预测方法、装置和介质,属于建筑能耗预测技术领域。所述方法包括:收集实际建筑能耗数据作为训练样本,包括时间序列数据和建筑物的物理属性;构建并训练生成对抗网络模型;将实际建筑能耗数据输入生成对抗网络模型,生成增强建筑能耗数据;将实际建筑能耗数据和增强建筑能耗数据混合后得到混合数据,用于训练机器学习模型,构建建筑能耗平行预测模型,预测未来建筑能耗值;在测试集上评估预测模型的性能,并调整模型结构或增加训练轮数提高预测精度。本发明解决了建筑能耗数据不足的问题,还显著提高了建筑能耗预测的精度和可靠性,为建筑能耗管理提供了有力的支持。
技术关键词
建筑能耗数据
生成对抗网络模型
评估预测模型
训练机器学习模型
建筑能耗预测技术
深度神经网络
建筑能耗管理
变分自动编码器
序列
燃气使用量
建筑物
功率因数
多层感知机
数据编码
非线性
系统为您推荐了相关专利信息
变速箱零部件
寿命评估方法
评估预测模型
车辆变速箱技术
线性损伤累积
生成对抗网络模型
门控循环单元
智能电网
编码器
特征值
生成对抗网络模型
缺陷检测方法
扩展特征向量
裂缝特征
隧道监测系统
生成对抗网络模型
建筑工地塔吊
无监督学习
模块
基线
人工智能产品
条件生成对抗网络
风格
阶段
图像处理