典型文献
基于LightGBM-LSTM组合模型的商业建筑能耗预测
文献摘要：
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.
文献关键词：
LightGBM;长短期记忆网络;建筑能耗预测;GBDT
中图分类号：
作者姓名：
罗恒;刘杭
作者机构：
苏州科技大学电子与信息工程学院 江苏 苏州 215009;苏州科技大学江苏省建筑智慧节能重点实验室 江苏 苏州 215009
文献出处：
引用格式：
[1]罗恒;刘杭-.基于LightGBM-LSTM组合模型的商业建筑能耗预测)[J].计算机应用与软件,2022(11):36-42,65
A类：
B类：
LightGBM,组合模型,商业建筑,建筑能耗预测,准确预测,能源节约,决策树算法,长短期记忆网络,建筑历史,多特征,特征数据,梯度提升树,GBDT,互斥,打包,MEF,特征合并,时间序列数据,数据适用性,模型特点,权重组合,组合预测,预测数据
AB值：
0.328982
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
