Resumen

La predicción del consumo energético de edificios juega un papel importante en la realización del control de la conservación energética de los edificios. Limitado por algunos factores externos como la temperatura, existen algunos problemas en las aplicaciones prácticas, como la operación compleja y la baja precisión de la predicción. Con el objetivo de abordar el problema de la baja precisión de la predicción causada por una mala sincronización de los métodos existentes de predicción del consumo energético de edificios, en este artículo se propone un método de predicción y análisis del consumo energético de edificios basado en la red de aprendizaje profundo. Antes de establecer el modelo de predicción del consumo energético, se preprocesa y analiza la fuente de datos de consumo energético del edificio. Luego, basado en el marco de aprendizaje profundo Keras, se construye un modelo de predicción de memoria a largo plazo mejorado (ILSTM) para respaldar el análisis preciso de todo el ciclo de la red de predicción. Al

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Predicción del consumo de energía de edificios; Red neuronal de aprendizaje profundo; Modelo de predicción ILSTM; Marco de trabajo Keras; Algoritmo de momento adaptativo; Experimento de simulación
• Keywords:Building energy consumption prediction; Deep learning network; ILSTM prediction model; Keras framework; Adaptive moment algorithm; Simulation experiment