一种基于LSTM算法的室内温度预测方法

摘要

本发明提出了一种基于LSTM算法的室内温度预测方法，步骤1：获取一段时间内每间隔15分钟的室内温度，室外温度，风速，室外湿度，天气数据（晴，多云，雨，雪)，太阳辐射强度（用温度等效），空气源热泵的启停状态及供水温度等数据，并对所得到的数据集进行预处理；步骤2：将数据集转化为有监督学习数据集，同时将除当前时刻需要预测的室内温度外所有因素移除；步骤3：将数据集划分为训练集和验证集两部分；步骤4：搭建LSTM神经网络模型，利用训练集训练LSTM神经网络模型并调整LSTM参数，返回每一代的损失值，根据建立好的LSTM神经网络模型预测后一时段内每间隔15分钟的室内温度。本发明考虑了太阳辐射因素的影响，所使用的LSTM算法用时短，大大提高了室温预测的准确性。