基于PCA-LSTM神经网络的建筑空调负荷预测方法研究

针对传统的机器学习模型无法同时处理空调负荷数据的时序性和非线性问题,提出一种基于主成分分析(PCA)和长短记忆(LSTM)神经网络空调负荷预测方法,利用主成分分析法对影响空调负荷的多元数据进行降维,得到主成分数据序列;然后建立基于PCA-LSTM神经网络的空调负荷预测模型;最后以上海某建筑空调负荷的数据进行仿真验证,并通过与传统BP预测模型以及不进行主成分分析的LSTM预测模型进行对比分析,仿真结果显示所提预测方法具有更高的精度和更好的泛化性。