基于梯度提升决策树与环比分析的建筑能耗预测方法、装置、设备及介质制造方法及图纸

本发明专利技术提供一种基于梯度提升决策树与环比分析的建筑能耗预测方法、装置、设备及介质，适用于建筑能耗预测领域，该方法包括：获取样本数据；基于样本数据，构建初始GBDT模型；对初始GBDT模型进行迭代训练，得到目标GBDT模型；根据环比时间周期，确定环比调整因子；基于环比调整因子，修正目标GBDT模型的预测结果。本发明专利技术的技术方案具有高精度的预测结果和良好的适应性，可以在不同规模和类型的能源消耗场景中广泛使用。

【技术实现步骤摘要】

本专利技术涉及建筑能耗预测领域，特别涉及一种基于梯度提升决策树与环比分析的建筑能耗预测方法、装置、设备及介质。

技术介绍

1、传统的建筑能耗预测方法通常依赖简单的统计模型，如回归分析、时间序列分析等，面对建筑能耗数据的高度非线性和复杂性时，预测能力受限，尤其面对能耗数据中固有的季节性和周期性特点的适应性比较差，导致预测结果在很多情况下缺乏准确性。

技术实现思路

1、为解决上述问题，本专利技术提供的一种基于梯度提升决策树与环比分析的建筑能耗预测方法、装置、设备及介质，具有高精度的预测结果和良好的适应性，可以在不同规模和类型的能源消耗场景中广泛使用。

2、为实现上述目的，本专利技术采用如下技术方案：

3、第一方面，本专利技术提供一种基于梯度提升决策树与环比分析的建筑能耗预测方法，包括：

4、获取样本数据；

5、基于样本数据，构建初始gbdt模型；

6、对初始gbdt模型进行迭代训练，得到目标gbdt模型；

7、根据环比时间周期，确定环比调整因本文档来自技高网...

【技术保护点】

1.一种基于梯度提升决策树与环比分析的建筑能耗预测方法，其特征在于，包括：

2.根据权利要求1所述的基于梯度提升决策树与环比分析的建筑能耗预测方法，其特征在于，所述样本数据，包括：建筑能耗数据、时间序列数据、气象数据、能耗差异数据、建筑运营状态数据。

3.根据权利要求1所述的基于梯度提升决策树与环比分析的建筑能耗预测方法，其特征在于，所述初始GBDT模型满足：

4.根据权利要求1所述的基于梯度提升决策树与环比分析的建筑能耗预测方法，其特征在于，所述对初始GBDT模型进行迭代训练，包括：

5.根据权利要求1所述的基于梯度提升决策树与环比分析的...

【技术特征摘要】

1.一种基于梯度提升决策树与环比分析的建筑能耗预测方法，其特征在于，包括：

2.根据权利要求1所述的基于梯度提升决策树与环比分析的建筑能耗预测方法，其特征在于，所述样本数据，包括：建筑能耗数据、时间序列数据、气象数据、能耗差异数据、建筑运营状态数据。

3.根据权利要求1所述的基于梯度提升决策树与环比分析的建筑能耗预测方法，其特征在于，所述初始gbdt模型满足：

4.根据权利要求1所述的基于梯度提升决策树与环比分析的建筑能耗预测方法，其特征在于，所述对初始gbdt模型进行迭代训练，包括：

5.根据权利要求1所述的基于梯度提升决策树与环比分析的建筑能耗预测方...

【专利技术属性】
技术研发人员：潘昭光，葛怀畅，夏天，周哲民，张明晔，李家明，
申请(专利权)人：北京清源智慧科技有限公司，
类型：发明
国别省市：