一种建筑多区域温度的预测方法、设备及介质与流程

1.本技术涉及专门适用于预测目的的数据处理方法技术领域，尤其涉及一种建筑多区域温度的预测方法、设备及介质。


背景技术：

2.目前，在建筑能耗中，空调系统是主要的耗能设备，约占总能耗的55％，而建筑系统是一个复杂系统，它具有非线性、大滞后、多变量、耦合严重、变化缓慢等特点。利用建筑系统大滞后的特点能够预测建筑内下一时刻的室内温度，从而根据下一时刻的室内温度指导建筑空调系统的调节，能够在保证用户热舒适性的同时，尽可能的节约建筑能耗。
3.建筑室内温度受天气特征、室内环境参数、时间信息等相关因素的影响，特别是建筑内存在多个区域，各区域建筑温度相互影响，使室内各区域温度建模变得更加复杂。近年来，很多研究者将多种影响因素建立温度预测模型，但是建模过程中会耗费大量计算资源，网络结构通常具有冗余性，难以简单、高效的得到建筑多区域温度的预测值。


技术实现要素：

4.本技术实施例提供了一种建筑多区域温度的预测方法、设备及介质，用以解决现有的建筑室内温度受天气特征、室内环境参数、时间信息等相关因素的影响，无法简单、高效的得到建筑多区域温度的预测值的技术问题。
5.一方面，本技术实施例提供了一种建筑多区域温度的预测方法，包括：
6.确定建筑内的待测区域及所述待测区域对应的多个相邻区域，并分别为所述待测区域及多个相邻区域建立对应的教师网络，以得到对应的教师模型；
7.分别获取多个教师模型对应的多个预测结果，并对所述多个预测结果进行线性拟合，以得到对应的教师预测结果；
8.为所述待测区域建立对应的学生模型，并获取所述学生模型输出的学生预测结果；
9.根据所述教师预测结果和预设的目标预测结果，计算对应的教师损失，并根据所述教师预测结果及所述学生预测结果，计算对应的学生损失；
10.根据所述教师损失和所述学生损失，计算所述建筑内的总温度损失，以完成对学生模型的训练，并通过训练好的学生模型确定所述待测区域对应的温度预测值。
11.在本技术的一种实现方式中，所述分别为所述待测区域及多个相邻区域建立对应的教师网络之后，所述方法还包括：
12.分别获取所述待测区域和多个相邻区域对应的相关参数以及每个区域的多个历史时刻的温度状态；所述相关参数包括室外温度、室外湿度、区域室内风速、区域室内湿度以及本月天数，所述多个历史时刻的温度状态包括第一历史时刻的温度状态、第二历史时刻的温度状态、第三历史时刻的温度状态和第四历史时刻的温度状态；
13.根据所述待测区域和多个相邻区域中任一区域的室外温度、室外湿度、区域室内
风速、区域室内湿度、本月天数，以及所述第一历史时刻的温度状态、第二历史时刻的温度状态、第三历史时刻的温度状态和第四历史时刻的温度状态，确定所述区域的当前时刻对应的温度状态。
14.在本技术的一种实现方式中，所述确定所述区域的当前时刻对应的温度状态之后，所述方法还包括：
15.确定目标网络的网络参数以及评价网络的网络参数，并根据所述目标网络的网络参数、第一历史时刻的温度状态、第一历史时刻的动作，确定所述评价网络在第一历史时刻的q值；
16.将所述第一历史时刻的q值与评价网络训练过程中的衰减系数以及第一历史时刻的动作的最大值做乘积，并将所述乘积与当前时刻的固定奖励相加，以及与当前时刻的q值相减，得到对应的运算结果；
17.将所述运算结果和评价网络训练过程中的学习率相乘，并将所述运算结果和学习率对应的乘积，与所述当前时刻的q值相加，以得到所述评价网络在当前时刻的温度状态下的动作的q值，完成对深度强化学习的q值迭代。
18.在本技术的一种实现方式中，所述完成对深度强化学习的q值迭代之后，所述方法还包括：
19.获取评价网络在q值迭代前后对应的q值，并确定所述q值迭代前后的q值对应的时间差分偏差；
20.根据所述时间差分偏差，对所述评价网络进行训练，并计算所述评价网络训练过程中的损失函数，以完成对教师网络的训练。
21.在本技术的一种实现方式中，所述分别获取多个教师模型对应的多个预测结果，并对所述多个预测结果进行线性拟合，以得到对应的教师预测结果，具体包括：
22.确定出建筑内的待测区域，以及所述待测区域对应的多个相邻区域，并基于所述待测区域以及所述多个相邻区域对应的教师模型，分别获取对应的多个预测结果；
23.获取教师模型预先设置好的目标预测结果，并基于最小二乘法以及所述目标预测结果，确定所述多个预测结果分别对应的线性函数参数；
24.根据每个预测结果对应的线性函数参数，分别对对应的预测结果进行线性拟合，并得到对应的教师预测结果。
25.在本技术的一种实现方式中，所述为所述待测区域建立对应的学生模型，并获取所述学生模型输出的学生预测结果，具体包括：
26.为所述待测区域建立对应的学生模型，并将所述待测区域输入至所述学生模型中进行训练；
27.通过所述学生模型对所述待测区域进行优化，并通过全连接层输出优化后的所述待测区域对应的学生预测结果。
28.在本技术的一种实现方式中，所述根据所述教师预测结果和预设的目标预测结果，计算对应的教师损失，并根据所述教师预测结果及所述学生预测结果，计算对应的学生损失，具体包括：
29.确定所述待测区域和多个相邻区域对应的区域数，并根据所述区域数、所述多个教师模型对应的教师预测结果，以及预先设置好的所述多个教师模型的目标预测结果，计
算所述多个教师模型对应的均方差损失，以将所述多个教师模型对应的均方差损失作为教师损失；
30.根据所述区域数、所述教师损失以及所述学生预测结果，计算所述学生模型对应的均方差损失，并将所述学生模型对应的均方差损失作为学生损失。
31.在本技术的一种实现方式中，所述根据所述教师损失和所述学生损失，计算所述建筑内的总温度损失，以完成对学生模型的训练，并通过训练好的学生模型确定所述待测区域对应的温度预测值，具体包括：
32.确定待测区域和多个相邻区域对应多个教师模型的加权系数，并根据所述多个教师模型对应的加权系数，确定待测区域对应学生模型的加权系数；
33.根据所述多个教师模型对应的加权系数、所述教师损失、所述学生模型对应的加权系数以及所述学生损失，计算所述建筑对应的总温度损失，以完成对学生模型的训练；
34.通过训练好的学生模型，确定所述待测区域对应的的温度预测值，以实现对建筑多区域温度的预测。
35.另一方面，本技术实施例还提供了一种建筑多区域温度的预测设备，所述设备包括：
36.至少一个处理器；
37.以及，与所述至少一个处理器通信连接的存储器；
38.其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述的一种建筑多区域温度的预测方法。
39.另一方面，本技术实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
40.如上述的一种建筑多区域温度的预测方法。
41.本技术实施例提供了一种建筑多区域温度的预测方法、设备及介质，至少包括以下有益效果：
42.通过为待测区域和待测区域对应的每个相邻区域建立教师网络并得到对应的教师预测模型，考虑了多个相邻区域之间温度的互相影响；获取多个教师模型的预测结果，并通过线性拟合对待测区域和多个相邻区域的教师模型的预测结果进行融合，能够得到教师预测结果，提高教师模型的精确度；为待预测区域建立学生模型并得到对应的学生预测结果，从而能够通过教师预测结果指导学生模型；计算多个教师模型对应的教师损失，并计算学生模型对应的学生损失，根据教师损失和学生损失，计算建筑多区域内的总温度损失，完成对教室模型和学生模型的训练，进而能够通过训练好的学生模型确定出待测区域对应的温度预测值，通过将教师知识蒸馏模型应用到建筑内的温度预测中，能够减小计算量，节省大量计算资源。
附图说明
43.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
44.图1为本技术实施例提供的一种建筑多区域温度的预测方法的流程示意图；
45.图2为本技术实施例提供的另一种建筑多区域温度的预测方法的流程示意图；
46.图3为本技术实施例提供的一种建筑多区域温度的预测设备的内部结构示意图。
具体实施方式
47.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
48.本技术实施例提供了一种建筑多区域温度的预测方法、设备及介质，通过为待测区域和待测区域对应的每个相邻区域建立教师网络并得到对应的教师预测模型，考虑了多个相邻区域之间温度的互相影响；获取多个教师模型的预测结果，并通过线性拟合对待测区域和多个相邻区域的教师模型的预测结果进行融合，能够得到教师预测结果，提高教师模型的精确度；为待预测区域建立学生模型并得到对应的学生预测结果，从而能够通过教师预测结果指导学生模型；计算多个教师模型对应的教师损失，并计算学生模型对应的学生损失，根据教师损失和学生损失，计算建筑多区域内的总温度损失，完成对教室模型和学生模型的训练，进而能够通过训练好的学生模型确定出待测区域对应的温度预测值，通过将教师知识蒸馏模型应用到建筑内的温度预测中，能够减小计算量，节省大量计算资源。解决现有的建筑室内温度受天气特征、室内环境参数、时间信息等相关因素的影响，无法简单、高效的得到建筑多区域温度的预测值的技术问题。
49.以下结合附图，详细说明本技术各实施例提供的技术方案。
50.图1为本技术实施例提供的一种建筑多区域温度的预测方法的流程示意图。如图1所示，本技术实施例提供的一种建筑多区域温度的预测方法，包括：
51.101、确定建筑内的待测区域及待测区域对应的多个相邻区域，并分别为待测区域及多个相邻区域建立对应的教师网络，以得到对应的教师模型。
52.针对多区域温度预测模型参数量过多以及训练时间过程的不足，在最大限度保留模型性能的情况下压缩训练时间，并且考虑多区域之间温度的互相影响，本技术提出了一种建筑多区域温度的预测方法，考虑了建筑多区域温度的互相影响，充分利用建筑温度相关数据建立精确、高效的温度预测模型。服务器首先确定出建筑内的待测区域以及待测区域对应的多个相邻区域，并分别为待测区域和每个相邻区域建立对应的教师网络，并对基于深度强化学习的教师网络进行训练，能够得到训练后的教师模型。
53.在本技术的一个实施例中，服务器在分别为待测区域以及多个相邻区域建立对应的教师网络之后，分别获取待测区域和多个相邻区域对应的相关参数以及每个区域的多个历史时刻的温度状态。需要说明的是，本技术实施例中的相关参数包括室外温度、室外湿度、区域室内风速、区域室内湿度以及本月天数，多个历史时刻的温度状态包括第一历史时刻的温度状态、第二历史时刻的温度状态、第三历史时刻的温度状态和第四历史时刻的温度状态。
54.服务器根据待测区域和多个相邻区域中任一区域的室外温度、室外湿度、区域室内风速、区域室内湿度、本月天数，以及第一历史时刻的温度状态、第二历史时刻的温度状态、第三历史时刻的温度状态和第四历史时刻的温度状态，能够确定出区域的当前时刻对
应的温度状态。
55.在本技术的一个实施例中，服务器在确定区域的当前时刻对应的温度状态之后，确定目标网络的网络参数以及评价网络的网络参数，并根据目标网络的网络参数、第一历史时刻的温度状态、第一历史时刻的动作，确定评价网络在第一历史时刻的q值，然后，服务器将第一历史时刻的q值与评价网络训练过程中的衰减系数以及第一历史时刻的动作的最大值做乘积，并将乘积与当前时刻的固定奖励相加，以及与当前时刻的q值相减，得到对应的运算结果，之后，服务器将运算结果和评价网络训练过程中的学习率相乘，并将运算结果和学习率对应的乘积，与当前时刻的q值相加，以得到评价网络在当前时刻的温度状态下的动作的q值，完成对深度强化学习的q值迭代。
56.在本技术的一个实施例中，服务器在完成对深度强化学习的q值迭代之后，获取评价网络在q值迭代前后对应的q值，并确定q值迭代前后的q值对应的时间差分偏差，进而能够根据时间差分偏差，对评价网络进行训练，以计算评价网络训练过程中的损失函数，完成对教师网络的训练。
57.102、分别获取多个教师模型对应的多个预测结果，并对多个预测结果进行线性拟合，以得到对应的教师预测结果。
58.服务器基于待测区域和多个相邻区域对应的多个教师模型，能够获得每个教师模型对应的预测结果，进而对多个预测结果进行线性拟合，从而能够得到多个教师模型对应的教师预测结果，提高教师模型的准确率。
59.具体地，服务器在建筑内确定出待测区域，以及待测区域对应的多个相邻区域，并基于待测区域以及多个相邻区域对应的教师模型，分别获取对应的多个预测结果，此外，服务器还需获取教师模型预先设置好的目标预测结果，并基于最小二乘法以及教师模型预先设置好的目标预测结果，确定出多个预测结果分别对应的线性函数参数，从而能够根据每个预测结果对应的线性函数参数，分别对对应的预测结果进行线性拟合，并得到对应的教师预测结果。
60.103、为待测区域建立对应的学生模型，并获取学生模型输出的学生预测结果。
61.服务器不仅建立了教师模型，还为建筑内的待测区域建立了对应的学生模型，对学生模型进行训练，并通过训练好的学生模型输出待测区域对应的学生预测结果。
62.具体地，服务器为待测区域建立对应的学生模型，并将待测区域输入至学生模型中进行训练，通过学生模型对待测区域进行优化，并通过全连接层输出优化后的待测区域对应的学生预测结果，完成对学生模型的训练，并得到待测区域对应的学生预测结果。
63.104、根据教师预测结果和预设的目标预测结果，计算对应的教师损失，并根据教师预测结果及学生预测结果，计算对应的学生损失。
64.服务器获取预先设置好的多个教师模型对应的目标预测结果，并根据目标预测结果以及线性拟合后的教师预测结果，计算出多个教师模型对应的教师损失，然后，服务器根据教师预测结果以及学生预测结果，还能确定出学生模型对应的学生损失。
65.具体地，服务器首先确定出多教师模型中待测区域和多个相邻区域对应的区域数，之后，根据确定出的区域数、多个教师模型对应的教师预测结果，以及预先设置好的多个教师模型的目标预测结果，计算多个教师模型对应的均方差损失，从而将多个教师模型对应的均方差损失作为教师损失，然后，服务器还根据区域数、教师损失以及学生预测结
果，计算所出述学生模型对应的均方差损失，并将学生模型对应的均方差损失作为学生损失。
66.105、根据教师损失和学生损失，计算建筑内的总温度损失，以完成对学生模型的训练，并通过训练好的学生模型确定待测区域对应的温度预测值。
67.服务器根据计算出的教师损失以及学生损失，能够计算出建筑内的总温度损失，完成对多教师模型和学生模型的训练，从而得到训练后的学生模型，并通过训练好的学生模型，确定出建筑内待测区域在下一时刻的温度预测值，完成对建筑内下一时刻的温度预测。
68.具体地，服务器确定出待测区域和多个相邻区域对应的多个教师模型的加权系数，并根据多个教师模型对应的加权系数，确定待测区域对应学生模型的加权系数。需要说明的是，本技术实施例中多个教师模型对应的加权系数与学生模型对应的加权系数之和为单位1。
69.服务器根据多个教师模型对应的加权系数、教师损失、学生模型对应的加权系数以及学生损失，计算建筑对应的总温度损失，从而完成对多教师模型和学生模型的训练，然后服务器通过训练好的学生模型，能够确定出建筑内待测区域对应的温度预测值，从而实现对建筑多区域温度的预测。
70.图2为本技术实施例提供的另一种建筑多区域温度的预测方法的流程示意图。如图2所示，首先，服务器需确定出建筑内的待测区域以及待测区域对应的多个相邻区域。服务器分别为待测区域和多个相邻区域建立对应的教师网络，分别得到待测区域和多个相邻区域对应的教师模型，通过每个教师模型能够获取到待测区域和多个相邻区域对应的预测结果，进而对获取到的多个预测结果进行线性拟合，得到对应的教师预测结果。然后，服务器将教师预测结果与预设的目标预测结果进行结合，确定出教师损失。之后，服务器还为待测区域建立对应的学生模型，通过学生模型获取对应的学生预测结果，并根据教师预测结果和学生预测结果计算出学生损失，从而使得服务器能够根据教师损失和学生损失，确定出建筑内的总温度损失，完成对多教师模型和学生模型的训练。这样服务器便能够通过训练好的学生模型确定出待测区域对应的温度预测值，实现对建筑内多区域温度的精准预测。
71.以上为本技术提出的方法实施例。基于同样的发明构思，本技术实施例还提供了一种建筑多区域温度的预测设备，其结构如图3所示。
72.图3为本技术实施例提供的一种建筑多区域温度的预测设备的内部结构示意图。如图3所示，设备包括：
73.至少一个处理器；
74.以及，与至少一个处理器通信连接的存储器；
75.其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：
76.确定建筑内的待测区域及待测区域对应的多个相邻区域，并分别为待测区域及多个相邻区域建立对应的教师网络，以得到对应的教师模型；
77.分别获取多个教师模型对应的多个预测结果，并对多个预测结果进行线性拟合，以得到对应的教师预测结果；
78.为待测区域建立对应的学生模型，并获取学生模型输出的学生预测结果；
79.根据教师预测结果和预设的目标预测结果，计算对应的教师损失，并根据教师预测结果及学生预测结果，计算对应的学生损失；
80.根据教师损失和学生损失，计算建筑内的总温度损失，以完成对学生模型的训练，并通过训练好的学生模型确定待测区域对应的温度预测值。
81.本技术实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：
82.确定建筑内的待测区域及待测区域对应的多个相邻区域，并分别为待测区域及多个相邻区域建立对应的教师网络，以得到对应的教师模型；
83.分别获取多个教师模型对应的多个预测结果，并对多个预测结果进行线性拟合，以得到对应的教师预测结果；
84.为待测区域建立对应的学生模型，并获取学生模型输出的学生预测结果；
85.根据教师预测结果和预设的目标预测结果，计算对应的教师损失，并根据教师预测结果及学生预测结果，计算对应的学生损失；
86.根据教师损失和学生损失，计算建筑内的总温度损失，以完成对学生模型的训练，并通过训练好的学生模型确定待测区域对应的温度预测值。
87.本技术中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
88.本技术实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。
89.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
90.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
91.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
92.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计
算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
93.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
94.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
95.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
96.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
97.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。

技术特征：
1.一种建筑多区域温度的预测方法，其特征在于，所述方法包括：确定建筑内的待测区域及所述待测区域对应的多个相邻区域，并分别为所述待测区域及多个相邻区域建立对应的教师网络，以得到对应的教师模型；分别获取多个教师模型对应的多个预测结果，并对所述多个预测结果进行线性拟合，以得到对应的教师预测结果；为所述待测区域建立对应的学生模型，并获取所述学生模型输出的学生预测结果；根据所述教师预测结果和预设的目标预测结果，计算对应的教师损失，并根据所述教师预测结果及所述学生预测结果，计算对应的学生损失；根据所述教师损失和所述学生损失，计算所述建筑内的总温度损失，以完成对学生模型的训练，并通过训练好的学生模型确定所述待测区域对应的温度预测值。2.根据权利要求1所述的一种建筑多区域温度的预测方法，其特征在于，所述分别为所述待测区域及多个相邻区域建立对应的教师网络之后，所述方法还包括：分别获取所述待测区域和多个相邻区域对应的相关参数以及每个区域的多个历史时刻的温度状态；所述相关参数包括室外温度、室外湿度、区域室内风速、区域室内湿度以及本月天数，所述多个历史时刻的温度状态包括第一历史时刻的温度状态、第二历史时刻的温度状态、第三历史时刻的温度状态和第四历史时刻的温度状态；根据所述待测区域和多个相邻区域中任一区域的室外温度、室外湿度、区域室内风速、区域室内湿度、本月天数，以及所述第一历史时刻的温度状态、第二历史时刻的温度状态、第三历史时刻的温度状态和第四历史时刻的温度状态，确定所述区域的当前时刻对应的温度状态。3.根据权利要求2所述的一种建筑多区域温度的预测方法，其特征在于，所述确定所述区域的当前时刻对应的温度状态之后，所述方法还包括：确定目标网络的网络参数以及评价网络的网络参数，并根据所述目标网络的网络参数、第一历史时刻的温度状态、第一历史时刻的动作，确定所述评价网络在第一历史时刻的q值；将所述第一历史时刻的q值与评价网络训练过程中的衰减系数以及第一历史时刻的动作的最大值做乘积，并将所述乘积与当前时刻的固定奖励相加，以及与当前时刻的q值相减，得到对应的运算结果；将所述运算结果和评价网络训练过程中的学习率相乘，并将所述运算结果和学习率对应的乘积，与所述当前时刻的q值相加，以得到所述评价网络在当前时刻的温度状态下的动作的q值，完成对深度强化学习的q值迭代。4.根据权利要求3所述的一种建筑多区域温度的预测方法，其特征在于，所述完成对深度强化学习的q值迭代之后，所述方法还包括：获取评价网络在q值迭代前后对应的q值，并确定所述q值迭代前后的q值对应的时间差分偏差；根据所述时间差分偏差，对所述评价网络进行训练，并计算所述评价网络训练过程中的损失函数，以完成对教师网络的训练。5.根据权利要求1所述的一种建筑多区域温度的预测方法，其特征在于，所述分别获取多个教师模型对应的多个预测结果，并对所述多个预测结果进行线性拟合，以得到对应的
教师预测结果，具体包括：确定出建筑内的待测区域，以及所述待测区域对应的多个相邻区域，并基于所述待测区域以及所述多个相邻区域对应的教师模型，分别获取对应的多个预测结果；获取教师模型预先设置好的目标预测结果，并基于最小二乘法以及所述目标预测结果，确定所述多个预测结果分别对应的线性函数参数；根据每个预测结果对应的线性函数参数，分别对对应的预测结果进行线性拟合，并得到对应的教师预测结果。6.根据权利要求1所述的一种建筑多区域温度的预测方法，其特征在于，所述为所述待测区域建立对应的学生模型，并获取所述学生模型输出的学生预测结果，具体包括：为所述待测区域建立对应的学生模型，并将所述待测区域输入至所述学生模型中进行训练；通过所述学生模型对所述待测区域进行优化，并通过全连接层输出优化后的所述待测区域对应的学生预测结果。7.根据权利要求1所述的一种建筑多区域温度的预测方法，其特征在于，所述根据所述教师预测结果和预设的目标预测结果，计算对应的教师损失，并根据所述教师预测结果及所述学生预测结果，计算对应的学生损失，具体包括：确定所述待测区域和多个相邻区域对应的区域数，并根据所述区域数、所述多个教师模型对应的教师预测结果，以及预先设置好的所述多个教师模型的目标预测结果，计算所述多个教师模型对应的均方差损失，以将所述多个教师模型对应的均方差损失作为教师损失；根据所述区域数、所述教师损失以及所述学生预测结果，计算所述学生模型对应的均方差损失，并将所述学生模型对应的均方差损失作为学生损失。8.根据权利要求1所述的一种建筑多区域温度的预测方法，其特征在于，所述根据所述教师损失和所述学生损失，计算所述建筑内的总温度损失，以完成对学生模型的训练，并通过训练好的学生模型确定所述待测区域对应的温度预测值，具体包括：确定待测区域和多个相邻区域对应多个教师模型的加权系数，并根据所述多个教师模型对应的加权系数，确定待测区域对应学生模型的加权系数；根据所述多个教师模型对应的加权系数、所述教师损失、所述学生模型对应的加权系数以及所述学生损失，计算所述建筑对应的总温度损失，以完成对学生模型的训练；通过训练好的学生模型，确定所述待测区域对应的的温度预测值，以实现对建筑多区域温度的预测。9.一种建筑多区域温度的预测设备，其特征在于，所述设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-8任一项所述的一种建筑多区域温度的预测方法。10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：
如权利要求1-8任一项所述的一种建筑多区域温度的预测方法。

技术总结
本申请公开了一种建筑多区域温度的预测方法、设备及介质，用以解决现有技术无法简单、高效的得到建筑多区域温度的预测值的问题。方法包括：确定建筑多区域内的待测区域和相邻区域，并分别建立教师网络得到对应教师预测模型；获取多个教师预测模型对应的预测结果并对多个预测结果进行线性拟合得到教师预测结果；为待测区域建立学生模型并获取学生预测结果；根据教师预测结果和预设的目标预测结果计算教师损失，并根据教师预测结果及学生预测结果计算学生损失；根据教师损失和学生损失计算建筑多区域内的总温度损失以完成对学生预测模型的训练，并通过训练好的学生模型确定待测区域对应的温度预测值。域对应的温度预测值。域对应的温度预测值。


技术研发人员：孙鸿昌 翟文文 狄传广 黄广国 于茂津
受保护的技术使用者：山东大卫国际建筑设计有限公司
技术研发日：2023.05.30
技术公布日：2023/8/23