[發明專利]一種聯合BIM與CIM的城市能耗預測方法

在審

• 申請號: 202110160198.X
• 申請日: 2021-02-05
• 公開（公告）號: CN112906956A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 姚鴻方
• 申請（專利權）人: 希盟泰克（重慶）實業發展有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F16/2458;G06N3/04;G06N3/08;G06Q50/26
• 代理公司: 重慶天成卓越專利代理事務所(普通合伙) 50240
• 代理人: 王宏松

本發明提出了一種聯合BIM與CIM的城市能耗預測方法。包括以下步驟：S1，根據BIM模型獲取所需預測建筑能耗檢測的靜態歷史數據，根據CIM模型獲取影響建筑能耗因素的特征值；S2，將獲取到的數據進行時序性處理和歸一化預處理得到數據集，并將獲得的數據集劃分為訓練集和測試集；S3，將訓練集中經權重排序后的時間序列的特征值作為BP神經網絡模型的輸入，將預測的能耗作為模型的輸出，并通過梯度下降算法對模型參數進行優化；S4，使用測試集的數據對BP神經網絡模型模型的性能進行評估。本發明能夠有效的建立資源數據模型，同時使用BP網絡進行能耗預測模型訓練，還具有較高的能耗預測精度，為智慧城市的綠色生態建設提供參考。

技術領域

本發明涉及能耗預測領域，尤其涉及一種聯合BIM與CIM的城市能耗預測方法。

背景技術

能源種類越來越豐富，主要包括風電、天然氣、水電等，經濟的快速發展建立在對能源快速損耗上。尤其是高能耗行業的迅速衍生導致國家現有能源消耗激增，并且利用率低下，能源供應系統在多個層面均出現了不同層度的能源需求增長問題。能源作為城市運行的關鍵，隨著城市規模的不斷擴大，能源傳輸、消耗、供應成為影響城市環境的主要因素。因此，能耗分析成為智慧城市實現的重點研究內容。

傳統的能源預測方法有指數平滑法、部門分析法、回歸分析法等，回歸分析法、指數平滑法分別具有內插能力和外推能力，因此前者被應用于平穩隨機變化序列，后者使用于隨時間增長的能耗變化序列。除此之外，情景分析法和周期圖法、最小二乘法也被應用于能源需求的預測，選擇最小二乘法分兩步建模應用于具有確定趨勢非平穩時間序列，對模型預測精度以及穩定度進行評估，最后對能源需求進行預測。目前，傳統的預測方法仍在能源預測中占據重要地位。但是由于能源系統具有不確定性和復雜線性的特點，后期的科研人員開始對能源系統的模糊性、自組織性的進行了研究，以此引進數據挖掘、人工智能等領域。人工神經網絡方法、小波分析方法、模糊預測方法、灰色預測方法在能源損耗預測中發揮著重要作用。

遺傳算法能源需求模型的預測精度較高，和資源規劃中心預測結果相比預測誤差較小，該算法的通用性容易受到參數選取、編碼方式的影響。人工神經網絡具有同時預測多個變量預測值與訓練值之間的非線性關系的特點，利用人工神經網絡能夠實現對城市電力損耗量進行預測。灰色預測方法的精度提高對單位運行成本的節約起到重要作用。建筑信息模型(Building Information Modeling，BIM)是一個完美的多維信息空間模型，是良好的建筑信息載體，能夠整合各種建筑材料、系統的各種信息，實現集中管理，保證信息的完整性、準確性和可控性。城市信息模型(City Information Modeling，CIM)在城市規劃、土地資源管理方面承擔著越來越重要的角色，能夠加載各類城市業務數據資源，開展系統化模擬仿真，實現對城市進行數字化描述管理。

綜上所述，聯合BIM與CIM，運用大數據、人工智能等新技術，對城市能源消耗進行預測能夠實現對城市能源的合理規劃，真正實現城市的智慧管理，公共資源智能化分配。

發明內容

本發明旨在至少解決現有技術中存在的技術問題，特別創新地提出了一種聯合BIM與CIM的城市能耗預測方法。

為了實現本發明的上述目的，本發明提供了一種聯合BIM與CIM的城市能耗預測方法，包括以下步驟：

S1，根據BIM模型獲取所需預測建筑能耗檢測的靜態歷史數據，根據CIM模型獲取影響建筑能耗因素的特征值；

S2，將獲取到的數據進行時序性處理和歸一化預處理得到數據集，并將獲得的數據集劃分為訓練集和測試集；

S3，將訓練集中經權重排序后的時間序列的特征值作為BP神經網絡模型的輸入，將預測的能耗作為模型的輸出，并通過梯度下降算法對模型參數進行優化；

S4，使用測試集的數據對BP神經網絡模型模型的性能進行評估。