NeuralBES可微建筑能耗仿真器发布

Ting-Yu Dai 等人提出并发布可微建筑能耗仿真器 NeuralBES：用共享神经编码器把建筑面积、年代、HVAC 类型等静态元数据映射为物理有界的 RC 热模型参数，再通过对数空间并行扫描求解线性递推。 在 ResStock 数据集三个气候区的全年滚动预测中，作者称 NeuralBES 是唯一兼具物理有效性与精度的数据驱动模型，MAPE 与最强基线相差 4 个点以内，参数量约为 Transformer 和循环基线的一个数量级。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。