一种基于PCA-LSTM神经网络的空调负荷预测方法

摘要

本发明涉及一种基于PCA‑LSTM神经网络的空调负荷预测方法，采用了主成分分析和长短记忆神经网络相结合的方法。本发明首先采用主成分分析法对多元影响因素数据进行降维，降低预测模型输入数据序列的维度和模型复杂度，将几个线性无关的综合因素作为LSTM神经网络的输入。然后本发明构建基于长短记忆神经网络的空调负荷预测模型，长短记忆神经网络具有记忆功能，利用历史记忆能力和人工智能算法的自学能力，挖掘数据之间的时序关系，其可以同时兼顾数据的时序性和非线性，能够提高预测精度。