序列生成对抗预测模型

室内温度预测更准

针对建筑热惯性大、非线性的特点，设计序列生成对抗网络，内置LSTM提取室内温度高层抽象特征，实现短期精准预测。

宋建材 · Tianxiang, Bian · 薛桂香 · Hanyu, Wang · Shen, Xingliang · Wu, Xiangdong

Applied Energy 2023

参数信息

平均绝对百分比误差

2.3 %

技术优势

预测更准

在对比实验中，SGAN的MAPE达到2.3%，明显优于随机森林、梯度提升、支持向量回归、AdaBoost、MLP和LSTM等先进算法。

能抓非线性

生成器中内置的LSTM能够有效提取室内温度的高层非线性抽象特征，从而实现准确预测。

应用场景

• 智慧供热调控：提供精准短期负荷预测，优化供热调度，降低能耗。
• 建筑热舒适管理：预测室温变化，提前调节供热参数以维持舒适度。
• 室内环境监测：基于历史数据预测室温，辅助环境异常预警。