来源：期刊VIP网 时间：
作者：王晓辉;邓威威;肖宁;
单位：北京建筑大学电气与信息工程学院;
摘要：为了解决规划阶段建筑参数不确定导致的冷热负荷预测不准确问题，使用改进粒子群算法（IPSO）对长短期记忆网络（LSTM）进行优化，构建了一种新的建筑能耗预测模型（IPSO-LSTM）。首先，明确建筑规划初期的不确定参数以及每个参数的分布，并且对不确定参数使用拉丁超立方抽样生成数据样本；其次，将生成的样本数据导入到建筑模型中，并使用Energy Plus进行模拟，对不确定参数与模拟结果进行相关性分析；最后，选取与模拟结果相关性较大的参数训练IPSO-LSTM模型。以北京某区域的办公建筑为研究对象进行实例验证，并与LSTM和反向传播（Back Propagation,BP）神经网络进行结果和误差对比，进而证明所提方法的有效性。
关键词：拉丁超立方抽样;;相关性分析;;能耗预测;;LSTM
基金资助：安徽建筑大学智能建筑与建筑节能安徽省重点实验室开放课题(IBES2020KF06)
