降维式自主迁移强化学习建筑能耗预测

• 作者: 杨正霞 黄泽天
• 来源期刊: 电脑知识与技术
• 学科: 工学
• 关键词: 迁移学习 强化学习 降维 建筑能耗预测
• 年，卷（期）: 2019,（25）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 205-208
• 页数: 4页
• 分类号: TP181
• 字数: 4616字
• 语种: 中文

摘要

针对建筑能耗数据成因复杂,及能耗数据样本不足,导致现有建筑能耗预测模型不精确等问题,结合迁移学习和强化学习中的Sarsa学习方法,提出一种基于降维式自主迁移强化学习的建筑能耗预测方法——STRL.该方法通过提取影响建筑物能耗的重要维度进行降维,采用欧式度量对满足迁移条件的原始建筑MDP状态进行迁移,结合Sarsa算法构建能耗奖赏函数,实现能耗预测.将所提出的STRL与VFT-HSA1以及FTRL2方法用于模拟建筑物能耗问题进行对比实验,实验结果表明,STRL具有较快的收敛速度以及较好的收敛精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄泽天	苏州科技大学电子与信息工程学院	3	0	0.0	0.0
2	杨正霞		2	0	0.0	0.0