基于LightGBM-LSTM组合模型的商业建筑能耗预测

摘要

准确预测商业建筑能耗使用对于能源节约具有十分重要的意义。在分析基于决策树算法的模型和长短期记忆网络(LSTM)特性的基础上,依据某商业建筑历史能耗序列数据,构建一种预测短期能耗的LightGBM-LSTM模型。LightGBM对多特征数据处理优秀,它是对梯度提升树(GBDT)的优化策略,使用了互斥特征打包(MEF)算法进行特征合并。LSTM对时间序列数据适用性高。组合模型结合两种模型特点,通过权重组合预测数据。将组合模型与LightGBM、LSTM单项模型、其他常用模型做对比实验,实验结果验证了LightGBM-LSTM模型在建筑能耗预测中具有更高的准确性。