Skip to content
Hot eventLive

建筑热负荷短期预测混合模型比较综述

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026年10月7日，arXiv 平台 Machine Learning Theory 栏目发布一篇一手综述，对比 13 种用于建筑热需求短期预测的混合模型。评估基于苏格兰家庭历史热需求与天气预报数据。结果显示，EMD-LSTM-Markov 模型对供暖与生活热水（DHW）日前负荷模式预测精度最高，但高功率涌升与尖峰被低估；SVM-SA 与 RF-ISSA-LSTM 的预测曲线较为平滑，多数功率峰值被低估。该综述是目前唯一报道，事件尚无后续进展或相互矛盾的说法。

Generated from reports · updated 3 hr ago

LatestOct 7
arXiv 综述对比13种混合模型，EMD-LSTM-Markov 日前精度最高但低估尖峰。

Timeline

Follow the coverage from different angles.

Oct 7, 2026
  1. arXiv · Machine Learning Theory
    建筑热负荷短期预测混合模型对比综述

    该综述对比了 13 种用于建筑热需求短期预测的混合模型，基于苏格兰家庭历史热需求与天气预报数据评估性能。EMD-LSTM-Markov 模型对供暖与生活热水（DHW）日前负荷模式预测精度最高，但高功率涌升与尖峰被低估；SVM-SA 与 RF-ISSA-LSTM 预测曲线平滑，多数功率峰值被低估。

Heat trend

Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –

02.557.510Oct7Oct7Oct7Oct7

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.