摘要
本发明公开了一种增强数据驱动的建筑碳排集成预测系统及方法,具体包括在数据增强模块中采用Bootstrap重采样方法进行建筑碳排数据的扩增,并将扩增后的数据与原始数据组合构建新的增强数据集;在特征提取模块使用自编码器提取建筑碳排时序数据的循环特征,并对原始特征进行分离,获取随机特征组成建筑碳排残差动态数据;在模型预测模块中利用循环特征数据集和残差动态数据集分别对相适配的预测模型进行训练,将这两部分的预测模型进行融合,用于建筑碳排的预测。本发明解决了建筑碳排数据获取困难和不足的问题;增强了对随机特征的处理能力,能够提升预测模型的预测准确度和运算速率,并具有高精度、强泛化能力和良好的可扩展性。
技术关键词
集成预测方法
残差模型
建筑
特征提取模块
预测系统
训练集
LSTM模型
采样方法
编码器
注意力机制
动态数据集
样本
时序
解码
参数
预测误差
系统为您推荐了相关专利信息
在线预测方法
剩余使用寿命
深度神经网络模型
雨流计数法
线性累积损伤理论
负荷预测系统
功率
负荷特征
双卷积神经网络
时序特征
语义分割方法
局部细节特征
特征提取模块
训练神经网络模型
语义标签