基于ISSA-LSTM的热舒适短期预测模型

来源：计算机测量与控制杂志2024年第5期北京时间：

作者：闫秀英,肖桂波,王鑫洋,吉星星

单位：西安建筑科技大学

摘要：为解决在测试日内的短期预测过程中，农村城镇人体热舒适中建筑惰性及人员等随机因素使人体感受变化的样本对预测结果影响大而导致预测精准度低的问题，提出基于改进麻雀搜索算法（Improvement Sparrow Search Algorithm, ISSA）优化长短期记忆神经网络（Long Short-Term Memory Neural Network, LSTM）的方法建立新型户用空调热舒适短期预测模型。首先，对测试日气象数据进行动态性分析，对数据进行有效性验证并构建多种热舒适预测模型；随后选用新型户用热舒适短期预测模型（ISSA-LSTM）对热舒适进行预测。结果表明，模型的最高预测均方误差（Mean Squared Error，MSE）比麻雀搜索算法（Sparrow Search Algorithm，SSA）和蜣螂优化算法（Dung beetle optimizer，DBO）优化LSTM分别提高了0.02296和0.10827，采用ISSA-LSTM方法后改善了短期热舒适预测的精度问题，并提高了分体式空调通过热舒适来控制温度的性能。

关键词：户用空调;热舒适;改进麻雀搜索算法;神经网络;短期预测

基金资助：陕西省自然科学基础研究基金(2022JM-283),陕西省建设厅科技发展计划项目(2020-K17)。