本发明公开了一种运用时序数据的深度强化学习建筑能耗预测方法,本发明利用深度森林算法将样本按照一定的标签范围进行分类,进而划分深度强化学习模块所使用的原始动作空间,在找寻动作空间内不同类别相同次序动作的数学联系后,将其所依赖的神经网络多个神经元用一个神经元进行替代,实现计算时间及计算资源的缩减;本发明与现有能耗预测方法相比,其显著优点是:1)可以对异常能耗数据进行检查和替换2)方法输入仅需要历史能耗数据,而无需其他建筑内部结构信息或者人员分布信息3)方法训练的计算时间及计算资源小于其他方法。
声明:
“运用时序数据的深度强化学习建筑能耗预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)