侯博文，吴俊峰，陈焕新*，徐成良

（1-华中科技大学能源与动力工程学院，湖北武汉 430074；2-压缩机技术国家重点实验室（压缩机技术安徽省实验室），安徽合肥 230031）

0 引言

近年来，随着我国经济的快速发展，人民生活水平的进一步提高，全球能源消耗量逐年提升，能源短缺，资源供需不匹配等问题引起社会各界的关注，从2008—2018年，中国能源消耗总量一直呈现出上升趋势，且10年间能源消耗总量增长了44.7%。作为中国三大“耗能大户”的建筑能耗[1]，占中国社会总能源消耗量的30%～35%，能源与发展的矛盾日益突出，智慧楼宇的节能需求迫切。从能耗预测技术[2-4]在行业内的发展情况来看，基于数据驱动的能耗预测模型也是当前的主流选择。

近年来，基于数据驱动的建筑能耗预测研究越来越广泛。ZHAO等[5]从模型的复杂性、易用性和运行速度，所需投入和准确性等方面进行了比较分析。周峰等[6]采用支持向量机算法对建筑进行能耗预测和故障诊断，为建筑节能提供参考。FAN等[7]提出了一种基于数据驱动方法的通用的数据挖掘框架，阐述了数据挖掘技术在海量建筑数据中的应用前景。代德宇等[8-9]针对铜管生产过程中存在能源浪费的现象，提出了一种基于遗传算法-反向传播神经网络预测模型。曾宇柯等[10]提出了一种基于局部异常因子结合神经网络的多联机故障诊断方案，有效提高故障检测能力。19世纪40年代，多层神经网络就因其具有良好的学习特征被人们研究，但由于多层神经网络训练时会出现局部最优或者不能收敛的问题，导致多层神经网络没能得到广泛应用。……