【摘 要】
:
近年来,随着人口增长和经济发展,建筑行业能耗逐年增加。过多的建筑能耗不仅加剧了能源短缺情况,还排放了大量的二氧化碳,严重阻碍国家“双碳”目标的实现。因此,建筑节能至关重要。建筑能耗预测作为建筑节能的基础,在获取控制设备的最优策略、规划能源调度及评估建筑系统运行方面起着不可替代的作用。深度强化学习(Deep Reinforcement Learning,DRL)将深度学习(Deep Learning
论文部分内容阅读
近年来,随着人口增长和经济发展,建筑行业能耗逐年增加。过多的建筑能耗不仅加剧了能源短缺情况,还排放了大量的二氧化碳,严重阻碍国家“双碳”目标的实现。因此,建筑节能至关重要。建筑能耗预测作为建筑节能的基础,在获取控制设备的最优策略、规划能源调度及评估建筑系统运行方面起着不可替代的作用。深度强化学习(Deep Reinforcement Learning,DRL)将深度学习(Deep Learning,DL)的感知能力与强化学习(Reinforcement Learning,RL)的决策能力相融合,可以处理高维连续状态空间中的复杂问题,因而在建筑能耗预测领域受到了广泛关注。在使用深度强化学习预测建筑能耗时,处理离散动作空间算法可以花费更少的计算资源和计算时间收敛,但其最终的预测精度低于连续动作空间算法。一个重要的原因是,离散动作空间算法的预测精度与建筑能耗所属的预测空间大小息息相关。在预测空间未改变其原有含义情况下,大范围预测空间中的离散动作空间算法容易陷入局部最优,故而降低了算法所构建的能耗预测模型精度。本文通过变换建筑能耗所属预测空间的大小及含义,以离散动作空间算法深度Q网络(Deep Q Network,DQN)为基础进行建筑能耗预测研究,其主要内容包括三个部分:(1)提出一种基于缩减预测空间的DQN(Shrunken-prediction-space DQN,S-DQN)建筑能耗预测方法。该方法将原始预测空间平均划分为多个子空间,并通过深度森林(Deep Forest,DF)状态分类器对不同子空间进行统一表示,生成缩减的预测空间。同时,将状态类别概率与原始状态相结合构建新状态作为网络输入,以提高算法的鲁棒性。最终实验结果表明,15状态类别的S-DQN算法所构建的建筑能耗预测模型精度最高,具有明显优势。(2)提出一种基于转换预测空间的DQN(Transformed-prediction-space DQN,T-DQN)建筑能耗预测方法。首先,将原始预测空间在能耗函数一阶差分基础上进行一次转换,而后利用集合封闭性原理及深度森林符号分类器对其进行二次转换。最终,利用符号集合与转换预测空间替代原始预测空间,并以此构建建筑能耗预测模型。实验结果表明,T-DQN算法可获取优于S-DQN算法的能耗预测精度。(3)提出一种基于转换缩减预测空间的DQN(Transformed and Shrunken-pre-diction-space DQN,TS-DQN)建筑能耗预测方法。该方法在利用一阶差分、集合封闭性原理及深度森林符号分类器生成转换预测空间的基础上,将转换预测空间平均划分为多个子空间,并使用深度森林状态分类器对其统一表示,最终生成转换缩减的预测空间,TS-DQN算法便在此预测空间基础上构建建筑能耗预测模型。最终的实验结果表明,8状态类别的TS-DQN算法在S-DQN,T-DQN等其他算法中具有最高的预测精度,证明了其在建筑能耗预测方面的优越性。本文针对离散动作空间算法在建筑能耗预测中的缺陷,采用缩减原始预测空间大小,转换原始预测空间含义,缩减转换的预测空间三种方式提出了新的建筑能耗预测模型,验证了离散动作空间算法在建筑能耗预测领域的潜力。
其他文献
目的:观察温经汤配合腕踝针治疗寒凝血瘀型痛经的疗效。方法:选取本院就诊的寒凝血瘀型痛经患者60例,随机分为治疗组及对照组各30例。治疗组用温经汤配合腕踝针治疗,对照组用西药治疗。结果:治疗组痛经缓解优于对照组(P<0.05),且用药后痛经症状积分低于对照组(P<0.05)。治疗组总有效率高于对照组(P<0.05)。结论:温经汤配合腕踝针治疗寒凝血瘀型痛经能缓解临床症状,且维持疗效时间更持久。
姿势迁移的图像生成技术旨在将给定的源人物姿势转换为设定的目标姿势,同时,保持生成人物图像的外观及服装纹理与源人物的尽可能一致。人物姿势的表示是姿势迁移研究中的核心问题。目前使用较为广泛的是基于人体关键点的二维姿势表示,该方式的优点在于获取方便,可通过已经成熟的姿势估计算法直接通过对源人物图像计算得到准确的姿势关键点。其他方法如基于3D表示的人物姿势由于获取困难,使其应用场景十分受限。然而,使用二维
时间序列是按时间刻度有序并且互相关联的数据序列,数据特征随时间具有一定的变化规律。时间序列预测已经在商业、环境、医学、工业等各个领域得到了广泛的关注。实现准确的预测对节约资源、提高效率、减少成本、优化配置等方面都具有重要的作用。时间序列预测方法是根据历史的时间序列数据、相关特征等推算未来观测值的手段。目前时间序列数据预测的方法以深度学习模型为主,虽然取得了很多研究成果,但是在时间序列数据的预处理、
是自然语言处理领域中一个重要的任务。随着深度学习技术的发展,相比于短文本摘要技术,长文本摘要发展缓慢。一方面缺乏可用的大规模数据集;另一方面,当文本序列过长时会产生长距离依赖问题。针对上述问题,本文基于深度神经网络技术,开展长文本摘要建模方法研究。本文从以下四个方面对长文本自动摘要任务展开研究:(1)针对当前中文长文本数据集缺乏的问题,本文采用中文专利数据构建了一个大型的专利数据集。该数据集在关键
随着新一代信息技术、大数据理论与实践的高速发展,智慧城市的范围不断扩大、范畴不断延伸、智能化的水平不断提高。智慧城市建设中地址的数字化、精细化、智能化管理成为各种政务管理、金融机构、市场应用重要基础数据,也是实现应用目标、提升应用能力的必要数据。但是,由于我国地址规划建设起步相对较晚,传统建筑地址采集方式落后且缺少统一的规范策略,造成各行各业既有的建筑地址信息数据难以准确匹配,难以给上层的地理信息
长期以来,建筑工程中安全事故频繁发生所导致的人员伤亡和财产损失,受到国家和社会的广泛关注。为了防止类似事故的发生,在每次事故发生后会形成事故调查报告,通过从历史事故中总结经验教训,从而制定安全管理策略和防范措施用于预防未来的风险发生。而以往对事故的分析研究依赖于专家利用专业知识进行人工分析,这使得分析结果很容易受到人的主观影响。同时,随着事故报告数据量的不断增加,人工分析耗时耗力,已经无法满足需求
目的 通过对安徽省某县级医院胆囊炎单病种付费患者住院费用的灰色关联分析,为该院有效缩短住院时间、适应支付方式改革提供对策建议。方法 收集安徽省某县级医院2016年至2019年单病种付费住院信息,分析胆囊炎患者住院数据,对住院费用结构、关联系数、关联度等进行分析。结果 该院胆囊炎患者手术麻醉费、药品费占比及关联系数较大,与次均住院费用关联度也最大,护理费构成比有小幅度上升。结论 手术麻醉费与药品费对
文本生成序列图像是一项融合计算机视觉和自然语言处理两个方向的跨模态任务,该任务通过输入的文本描述,生成符合对应语义信息的序列图像。由于文本描述能够生成多个不同的图像,因此生成语义一致且分辨率较高的图像是一个极具挑战性的任务。生成对抗网络由于自身独特的对抗机制,被广泛应用于解决文本生成图像的任务。然而生成对抗网络的模型训练难以收敛,文本生成序列图像仍然面临着生成图像的对象布局混乱、上下文信息难以提取
无线传感器网络(wireless sensor network,WSN)技术的快速发展,使得其在智慧建筑中的监测应用越来越广泛,使用WSN在智慧建筑中进行监测时,传感器节点可能因为能量长时间消耗或物理损坏等原因失去原有效用,节点通信链路也可能会因为物体阻挡或数据碰撞堵塞等原因出现暂时或永久性的通信故障。因此研究网络能量低功耗与故障容错,是实现整个网络正常运行的关键问题。针对WSN内节点能量消耗过多
随着人工智能、物联网和大数据技术的发展,车辆队列已成为智慧城市建设的重要推力。而智慧建筑作为智慧城市的重要组成部分,也给车辆队列的发展带来新的机遇。一方面车辆队列为解决建筑群间车辆的行驶安全、交通堵塞和资源浪费的问题做出了巨大的贡献;另一方面轮船码头的物流车辆队列也提升了港口企业整体的运营效率。在全球疫情肆虐的背景下,为减少人员间不必要的接触,提高建筑室内任务的工作效率,车辆队列为AGV仓储研究提