【技术实现步骤摘要】
本专利技术涉及fcnn，具体为一种基于fcnn的空调系统模型及错误再训练方法。
技术介绍
1、神经网络，又称人工神经网络(ann)或模拟神经网络(snn)，是机器学习的一个重要子领域，同时亦构成了深度学习算法的核心组成部分。这个名字以及其内部的结构设计均受到了生物神经元运作机制的启发，从而让机器可以模仿生物神经元之间信号传递的过程。神经网络有着众多的类型和架构。例如，卷积神经网络就是一种特定类型的神经网络，它主要被应用在图像分类、图像聚类和目标识别等任务上。
2、目前，建筑空调系统的负荷预测就会用到神经网络，通常来说，负荷预测空调系统的主流方法是数据驱动模型，包括回归模型、人工模型神经网络、深度学习神经网络等。
3、其中，dnn是目前最多应用于建筑空调能耗预测中的模型，但是dnn预测模型的准确性与稳定性却不够，并且具体的使用会由于实用场景而受到限制，由此，本专利技术基于全连接神经网络(fcnn)提出了一种具有错误再训练策略的模型，以提高建筑能耗预测准确性、稳定性和精度，适用于更多能源优化场景。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种基于fcnn的空调系统模型及错误再训练方法，目的是解决上述问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于fcnn的空调系统模型，包括：
4、fcnn模型；
5、所述fcnn模型还包括输入层、多个隐藏层、输出层和激活函数，其中，输入层对原始数
6、优选的，所述fcnn模型的每一层中的每一个神经元最多连接到其他神经元基本元件的不同层，并不连接到相同的层。
7、优选的，所述输入层中神经元的数量取决于输入数据的维度。
8、优选的，所述隐藏层是fcnn模型中的中间层，具有多层，且负责连接输入层和输出层。
9、优选的，所述隐藏层中神经元的数量可以自由设置，每个神经元都连接到前一层中的所有神经元以及随后的层。
10、优选的，所述输出层中的神经元数量取决于任务的类型。
11、优选的，还包括以下预测流程：
12、步骤1：将训练样本输入到fcnn模型中训练模型；
13、步骤2：将当前数据输入fcnn预测模型训练并获得预测模型输出作为最终结果预测结果。
14、优选的，还包括以下步骤：
15、步骤1：选择训练数据并训练空调系统能量预测模型；
16、步骤2：获得步骤1中训练的预测模型使用它来获取预测值1；
17、步骤3：按照以下公式计算误差：error＝rv-pv1，其中rv表示实际值，pv1表示预测值1；
18、步骤4：重新训练fcnn预测模型，并采用错误作为训练数据的输出数据，而输入数据的训练数据与初始模型阶段的训练数据进行相同训练；
19、步骤5：获得经过误差重新训练的预测模型使用它来获取预测值2。
20、优选的，所述步骤1和步骤2属于初始模型的阶段训练，步骤3和步骤4属于错误再训练策略。
21、与现有技术相比，本专利技术具备以下有益效果：
22、本专利技术提供的一种基于fcnn的空调系统模型及错误再训练方法，提高了dnn模型在负荷预测中的准确性和精度；优化能源消耗，适用于不同能源优化场景中。
本文档来自技高网...【技术保护点】
1.一种基于FCNN的空调系统模型，其特征在于，包括：
2.根据权利要求1所述的一种基于FCNN的空调系统模型，其特征在于，所述FCNN模型的每一层中的每一个神经元最多连接到其他神经元基本元件的不同层，并不连接到相同的层。
3.根据权利要求1所述的一种基于FCNN的空调系统模型，其特征在于，所述输入层中神经元的数量取决于输入数据的维度。
4.根据权利要求1所述的一种基于FCNN的空调系统模型，其特征在于，所述隐藏层是FCNN模型中的中间层，具有多层，且负责连接输入层和输出层。
5.根据权利要求4所述的一种基于FCNN的空调系统模型，其特征在于，所述隐藏层中神经元的数量可以自由设置，每个神经元都连接到前一层中的所有神经元以及随后的层。
6.根据权利要求1所述的一种基于FCNN的空调系统模型，其特征在于，所述输出层中的神经元数量取决于任务的类型。
7.根据权利要求1所述的一种基于FCNN的空调系统模型，其特征在于，还包括以下预测流程：
8.根据权利要求1所述的一种基于FCNN的空调系统模型错误再训练方
9.根据权利要求8所述的一种基于FCNN的空调系统模型错误再训练方法，其特征在于，所述步骤1和步骤2属于初始模型的阶段训练，步骤3和步骤4属于错误再训练策略。
...【技术特征摘要】
1.一种基于fcnn的空调系统模型，其特征在于，包括：
2.根据权利要求1所述的一种基于fcnn的空调系统模型，其特征在于，所述fcnn模型的每一层中的每一个神经元最多连接到其他神经元基本元件的不同层，并不连接到相同的层。
3.根据权利要求1所述的一种基于fcnn的空调系统模型，其特征在于，所述输入层中神经元的数量取决于输入数据的维度。
4.根据权利要求1所述的一种基于fcnn的空调系统模型，其特征在于，所述隐藏层是fcnn模型中的中间层，具有多层，且负责连接输入层和输出层。
5.根据权利要求4所述的一种基于fcnn的空调系统模型，其特征在于，所...
【专利技术属性】
技术研发人员：张俊，宋林泽，王建平，姜恒，曾宪坤，尹建强，
申请(专利权)人：中建三局第一建设安装有限公司，
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。