[发明专利]一种建筑能耗预测模型的训练方法、设备及介质

权利要求书

1.一种建筑能耗预测模型的训练方法，其特征在于，包括：

获取建筑物的历史能耗数据集，并对所述历史能耗数据集进行分解，以得到子信号；

确定所述子信号对应的特权信息，并根据所述特权信息确定RVFL网络模型的输入数据，以对所述RVFL网络模型进行训练，并获得所述RVFL网络模型的输出数据；

根据所述特权信息、所述输出数据和所述输入数据，确定混合矩阵，并根据所述混合矩阵和输出权值向量进行聚合计算，得到所述RVFL网络模型的输出结果，以根据所述输出结果对所述建筑物的能耗情况进行预测。

2.根据权利要求1所述的方法，其特征在于，确定所述子信号对应的特权信息，具体包括：

根据所述建筑物的能耗因素确定初始特权信息，计算所述初始特权信息与所述子信号的相关系数，其中，计算所述相关系数的公式为：

其中，X_i＝(l₁，l₂，...，l_N)为样本个数为N个的所述子信号，H＝(h₁，h₂，...，h_s)为s个所述初始特权信息，P＝(P_i1，P_i2，...，P_is)为s个所述初始特权信息与第i个所述子信号的所述相关系数；

计算第i个所述子信号对应的第j个所述初始特权信息的权重，其中，计算所述权重的公式为：

其中，W_ij为所述权重，P为所述相关系数；

根据所述权重和所述相关系数，得到第i个所述子信号对应的所述特权信息为Hi＝(W_i1h₁，W_i2h₂，...，W_ish_s)。

3.根据权利要求2所述的方法，其特征在于，根据所述特权信息确定RVFL网络模型的输入数据，具体包括：

根据所述特权信息得到所述RVFL网络模型的所述输入数据为(H_i，X，Y)，将所述输入数据输入至所述RVFL网络模型中进行训练，其中，

为所述子信号对应的特征矩阵，Y＝[l_n+1 l_n+2…l_N]^T为所述特征矩阵对应的标签矩阵。

4.根据权利要求1所述的方法，其特征在于，获得所述RVFL网络模型的输出数据之后，具体包括：

确定所述RVFL网络模型的相关参数，其中，所述相关参数至少包括激活函数、隐层节点、固定系数、正则化系数、用户定义参数；

根据所述用户定义参数确定所述RVFL网络模型的隐含层输出数据的权值和偏差。

5.根据权利要求4所述的方法，其特征在于，根据所述特权信息、所述输出数据和所述输入数据，确定混合矩阵，具体包括：

根据所述隐含层输出数据和所述输入数据确定第一混合矩阵，其中，计算所述第一混合矩阵的公式为：

E＝[E₁ E₂]，

E₁＝X，

其中，E为所述第一混合矩阵，X为所述子信号对应的特征矩阵，δ为所述权值，b为所述偏差，G为所述激活函数，p为所述隐层节点；

根据所述特权信息和所述隐含层输出数据确定第二混合矩阵，其中，计算所述第二混合矩阵的公式为：

E^*＝[E₁^* E₂^*]，

其中，E^*为所述第二混合矩阵，H_i为所述特权信息，δ为所述权值，b为所述偏差，G为所述激活函数，p为所述隐层节点。