【技术实现步骤摘要】
本申请涉及能源管理，尤其是涉及一种基于机器学习的建筑能耗预测方法、产品、设备及介质。
技术介绍
1、建筑业作为国民经济的坚实支柱，在推动社会发展的同时，也不可避免地成为了能源消耗的主要领域之一。为了实现社会的可持续发展，建筑节能减排成为了一项迫切且重要的任务。其中，建筑能耗的精细管理是实现节能减排目标的关键环节。而这一工作的基石，便是对建筑能耗进行精确而科学的预测，从而能够支持建筑运行的优化管理，有效实现节能减排的目标。
2、相关技术通过现有模型对建筑能耗进行一定程度的预测，但不同类型的建筑数据之间存在显著的差异，这导致不同类型的预测模型在性能上各有优劣，难以普遍使用所有情况，从而导致预测结果的准确度不高。
技术实现思路
1、为了解决现有技术对建筑能耗预测准确度不高的问题，本申请提供一种基于机器学习的建筑能耗预测方法、产品、设备及介质。
2、第一方面，本申请提供了一种基于机器学习的建筑能耗预测方法，采用如下技术方案：
3、一种基于机器学习的建筑能耗预测方
<本文档来自技高网...【技术保护点】
1.一种基于机器学习的建筑能耗预测方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的建筑能耗预测方法，其特征在于，所述对所述历史建筑能耗数据进行分析，确定所述历史建筑能耗数据的数据特性，包括：
3.根据权利要求2所述的基于机器学习的建筑能耗预测方法，其特征在于，所述根据所述多个差异度，确定所述历史建筑能耗数据在所述目标预设时间因素下的数据特性，包括：
4.根据权利要求1所述的基于机器学习的建筑能耗预测方法，其特征在于，所述预测需求包括预测效率需求和预测准确度需求，
5.根据权利要求4所述的基于机器学习的建筑...
【技术特征摘要】
1.一种基于机器学习的建筑能耗预测方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的建筑能耗预测方法，其特征在于，所述对所述历史建筑能耗数据进行分析，确定所述历史建筑能耗数据的数据特性，包括：
3.根据权利要求2所述的基于机器学习的建筑能耗预测方法，其特征在于，所述根据所述多个差异度，确定所述历史建筑能耗数据在所述目标预设时间因素下的数据特性，包括：
4.根据权利要求1所述的基于机器学习的建筑能耗预测方法，其特征在于，所述预测需求包括预测效率需求和预测准确度需求，
5.根据权利要求4所述的基于机器学习的建筑能耗预测方法，其特征在于，所述根据所述预测效率需求和所述预测准确度需求，确定所述至少两个可选模型类型中每一可选模型类型的预测需求匹配指数，包括：
...【专利技术属性】
技术研发人员：杨丹，谢燕，陈丽民，胡芳芳，谢良珊，舒颖，印小勇，
申请(专利权)人：上海浦公节能环保科技有限公司，
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。