一种运用时序数据的深度强化学习建筑能耗预测方法
公开
摘要
本发明公开了一种运用时序数据的深度强化学习建筑能耗预测方法，本发明利用深度森林算法将样本按照一定的标签范围进行分类，进而划分深度强化学习模块所使用的原始动作空间，在找寻动作空间内不同类别相同次序动作的数学联系后，将其所依赖的神经网络多个神经元用一个神经元进行替代，实现计算时间及计算资源的缩减；本发明与现有能耗预测方法相比，其显著优点是：1)可以对异常能耗数据进行检查和替换2)方法输入仅需要历史能耗数据，而无需其他建筑内部结构信息或者人员分布信息3)方法训练的计算时间及计算资源小于其他方法。
基本信息
专利标题 ：
一种运用时序数据的深度强化学习建筑能耗预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114298397A
申请号 ：
CN202111604167.5
公开（公告）日 ：
2022-04-08
申请日 ：
2021-12-24
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
李可陈建平傅启明
申请人 ：
苏州科技大学;重庆工业大数据创新中心有限公司
申请人地址 ：
江苏省苏州市高新区科锐路1号
代理机构 ：
北京科家知识产权代理事务所(普通合伙)
代理人 ：
宫建华
优先权 ：
CN202111604167.5
主分类号 ：
G06Q10/04
IPC分类号 ：
G06Q10/04 G06K9/62 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06Q
专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10/00
行政；管理
G06Q10/04
预测或优化，例如线性规划、“旅行商问题”或“下料问题”
法律状态
2022-04-08 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
