基于边界特征保护与HOA-LightGBM模型的建筑冷负荷周期预测方法

本发明公开了基于边界特征保护与HOA‑LightGBM模型的建筑冷负荷周期预测方法，属于建筑智能化领域，包括以下步骤：S1、数据采集、清洗；S2、GCMWSG滤波进行平滑处理；S3、选取评价指标；S4、构建HOA‑LightGBM混合模型与综合评价。本发明采用上述的基于边界特征保护与HOA‑LightGBM模型的建筑冷负荷周期预测方法，通过引入周期性边界保护机制，有效解决了传统MWSG滤波在处理周期性空调负荷数据时出现的边界失真问题。实验结果表明，GCMWSG处理后的数据在保留启停时刻负荷特征的同时，显著提高了预测模型的性能；且本发明提出的HOA‑LightGBM混合模型通过元启发式算法与梯度提升框架的深度融合，解决了浅层模型参数调优效率低、预测精度不足的问题，为建筑冷负荷实时预测提供了高效可靠的技术方案。