基于迁移学习的多城市地铁能耗预测泛化方法研究OA

针对地铁给排水系统能耗预测模型在跨城市应用中精度降低和泛化能力不足的问题,本文提出一种基于迁移学习的多城市能耗预测泛化方法.选取与目标城市运行特征相似的源城市数据,根据域泛化(Domain Generalization,DG)思想,采用特征对齐策略,通过最大均值差异(Maximum Mean Discrepancy,MMD)与对抗训练实现不同城市数据分布的隐空间统一.最后,对目标城市的少量样本进行微调.仿真试验结果表明,本文方法显著减少了预测误差,提升了模型在目标城市的泛化能力与稳健性.