A review on time series forecasting techniques for building energy consumption

پیش بینی مصرف انرژی برای ساختمان ها، ارزش زیادی در تحقیقات انرژی و بهره وری دارد. مدل های پیش بینی دقیق انرژی، پیامدهای زیادی در برنامه ریزی و بهینه سازی انرژی ساختمان ها و دانشگاه ها دارند. برای ساختمان های جدید، جایی که اطلاعات ثبت شده در گذشته در دسترس نیست، روش های شبیه سازی کامپیوتری برای تجزیه و تحلیل انرژی و پیش بینی سناریوهای آینده استفاده می شود. با این حال، برای ساختمان های موجود با سری داده های تاریخی ثبت شده، داده های انرژی، روش های آماری و ماشین های یادگیری ثابت شده اند دقیق تر و سریع تر. این مطالعه، یک بررسی جامع از تکنیک های یادگیری ماشین برای پیش بینی مصرف انرژی سری را ارائه می دهد. اگر چه تاکید بر تجزیه و تحلیل داده های سری زمانی داده شده است، بررسی تنها به آن محدود نمی شود، زیرا داده های انرژی اغلب با دیگر متغیرهای سری زمانی مانند هوای فضای باز و محیط زیست محیطی هماهنگ شده است. نه محبوب ترین تکنیک های پیش بینی که مبتنی بر پلت فرم یادگیری ماشین هستند، مورد تجزیه و تحلیل قرار می گیرند. یک بررسی عمیق و تجزیه و تحلیل از مدل ترکیبی، که ترکیبی از دو یا چند تکنیک پیش بینی است نیز ارائه شده است. ترکیب های مختلف مدل ترکیبی موثرترین پیش بینی های انرژی سری را برای ساخت ساختمان در نظر می گیرند.