基于机器学习的气象环境与医院冬季供暖能源消耗量的分析与预测模型研究

天然气是医院冬季供暖的主要能源,其消耗量在医院能源消耗中,占有较大比例。在医院冬季供暖中,天然气的消耗量取决于多种因素,其中,作为主要外部因素的是气象环境。气象环境的变化呈现时间和空间的多样性,且变化过程非传统的线性变化。本文对气象环境的时间序列建立模型,研究机器学习框架TensorFlow中Sequential模型中“层”的不同数量和不同的机器学习周期数量对结果产生的影响。在实验中,不仅包含了往期的能源消耗量数据,还包含了对气象数据的转化、脏数据的清理、数据属性的选择等数据处理工作。同时,深度学习框架选择了谷歌最新的机器学习框架TensorFlow-GPU版本,利用高性能GPU直接参与运算,为尝试复杂的深度学习提供支持。实验表明,在TensorFlow框架的Sequential模型中,模型的“层”的不同数量和学习周期的不同将带来不同的结果,通过试验不同的组合,在组合中寻求最为合适的解。