【技术实现步骤摘要】
本专利技术属于公路隧道能耗预测领域，涉及一种基于深度学习的公路隧道能耗预测方法。
技术介绍
1、公路隧道机电设备种类繁多、数量庞大，成为公路交通中能耗大户。公路隧道能耗准确的预测是提升能耗精细化管理及节能降碳水平的基础，但隧道能耗影响机理复杂，参数较多，预测模型存在精准度不高、部分数据采集困难等问题。随着近些年机器学习的不断发展，为能耗预测提供更精确的算法，利用公路隧道能耗历史数据可以建立预测模型从而预测出未来一段时期内的公路隧道能耗，但由于机器学习算法种类多样、适应特点不一、模型参数确定等模型构建问题仍待进一步的研究。
2、能耗数据为典型的时间序列数据，并且能耗数据具有较强的周期性和历史依赖性，此刻的能耗数据与上一时刻的能耗数据有一定程度的关联。因能耗数据呈现的这个特点，采用循环神经网络则是非常合适的选择。rnn又称为循环神经网络，是时间序列建模的有力工具之一，rnn中一个序列当前的输出与前面的输出也有关联，具体表现形式为网络会对前面的信息进行记忆并应用于当前输出的计算中，即隐藏层之间的节点不再无连接而是有连接的，并且隐藏...
【技术保护点】
1.一种基于深度学习的公路隧道能耗预测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于深度学习的公路隧道能耗预测方法，其特征在于：步骤S1所述公路隧道能耗数据包括公路隧道的耗电量数据，根据预测颗粒度需求，统计不同周期内的用电量。
3.根据权利要求1所述的基于深度学习的公路隧道能耗预测方法，其特征在于：步骤S1所述预处理包括数据筛选、数据重塑、归一化处理，具体包括：
4.根据权利要求1所述的基于深度学习的公路隧道能耗预测方法，其特征在于：步骤S2具体包括：
5.根据权利要求4所述的基于深度学习的公路隧道能耗预...
【技术特征摘要】
1.一种基于深度学习的公路隧道能耗预测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于深度学习的公路隧道能耗预测方法，其特征在于：步骤s1所述公路隧道能耗数据包括公路隧道的耗电量数据，根据预测颗粒度需求，统计不同周期内的用电量。
3.根据权利要求1所述的基于深度学习的公路隧道能耗预测方法，其特征在于：步骤s1所述预处理包括数据筛选、数据重塑、归一化处理，具体包括：
4.根据权利要求1所述的基于深度学习的公路隧道能耗预测方法，其特征在于：步骤s2具体包括：
5.根据权利要求4所述的基于深度学习的公路隧道能耗预测方法，其特征在于：所述基于pso-lstm网络的公路隧道能耗预测模型的预测流程具体包括以下步骤：
6.根据权利要求5所述的基于深度学习的公路隧道能耗预测方法，其特征在于：所述lstm网络包...
【专利技术属性】
技术研发人员：滕英明，吴金锁，黄龙显，史玲娜，何建宏，
申请(专利权)人：重庆高速工程顾问有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。