一种基于RFE-VaDE-XGBoost特征选择和HN-Adam-STGAT的建筑空调冷负荷预测方法

本发明公开了一种基于RFE‑VaDE‑XGBoost特征选择和HN‑Adam‑STGAT的建筑空调冷负荷预测方法，包括以下步骤，步骤一：对数据进行预处理和清洗；步骤二：采用RFE算法确定预测模型的最佳输入参数数量；步骤三：利用VaDE算法对清洗后的数据进行聚类分析；步骤四：基于步骤二和步骤三的结果，结合XGBoost算法剔除对冷负荷影响较小的因子；步骤五：运用HN‑Adam算法在STGAT模型训练过程中对学习率进行动态调整；步骤六：利用经调整后的模型进行空调冷负荷预测。本发明有效克服了传统建筑空调冷负荷预测方法中存在的预测速度慢和精度不足等问题，为空调冷负荷预测提供了一种高效且准确的新方法。