第14期论文2,CIBSE ASHRAE技术研讨会，帝国理工学院，英国伦敦
2012年4月18日和19日
本文进行了一项初步研究，以评估人工神经网络(ANN)在基于建筑建筑和能源使用参数的建筑能源使用预测中的应用。目的是确定神经网络的预测性能，并测量每个参数对能源使用的因果强度。
我们收集了显示能源证书(DEC)计划的电力和取暖燃料使用数据，以及建筑参数，样本包括伦敦大学的建筑。编制了148个数据集，涵盖97个不同的建筑。
对于电力使用，ANN的平均绝对百分比误差降低到34.0%，相对于基于理论基准的方法降低了31.8%;热量使用下降到25.1%，比基准降低了49.8%。然而，预测性能似乎受到限制，这可能是由于训练模式的数量有限。伟德亚洲1946
研究发现，建筑活动、建筑材料、建筑服务类型和玻璃类型对两种能源使用的因果关系强度最大;此外，高度是热量使用的一个强有力的决定因素，夏季日照时数和纵横比是电力使用的重要因素。
从试点研究来看，神经网络方法似乎适合这一应用，也可能提供优势相对于其他方法，如基准和基于仿真建模。因此计划进行更广泛的后续研究，并提出了发展方法的措施。