整合深度学习与迁移学习的寒地居住建筑组团能耗预测方法

本发明提出一种整合深度学习与迁移学习的寒地居住建筑组团能耗预测方法，属于居住建筑组团能耗预测领域。本发明通过采用基于注意力机制的深度学习模型——TabNet，结合迁移学习(Transfer Learning，TL)技术进行建筑能耗预测任务，构建了一种TabNet‑TL居住建筑组团能耗预测模型。本发明能基于短期非线性数据、小样本数据、不同特征集数据，准确预测居住建筑组团能耗，提高了居住建筑组团能耗预测模型对不同场景的适应能力，可为寒冷地区居住建筑组团节能减排设计决策过程提供预测方法支撑，为居住建筑组团形态设计实践提供模型支持。