一种基于TabNet深度学习模型的住区能耗预测方法

本发明涉及住区能耗预测技术领域，具体为一种基于TabNet深度学习模型的住区能耗预测方法，包括：S1：收集数据，包括住区历史能耗数据，光环境数据，住区相关因素数据和建筑单体自身的物理参数；S2：将步骤S1收集到的数据集进行预处理，预处理包括数据转换，数据清洗和数据归一化处理；S3：采用融合随机森林特征重要性分析与皮尔斯相关系数分析的复合特征工程方法，对预处理后的数据进行特征筛选，确定光环境与建筑参数关键影响特征；S4：将采集到的数据样本分组，包括训练数据集和测试数据集。本发明克服了传统方法因建筑信息缺乏而预测效果不佳的缺陷，提高了复杂环境条件下的住区能耗预测精度和泛化能力。