10、酒店能源需求预测与可解释人工智能在人类移动性研究中的应用

酒店能源需求预测与可解释人工智能在人类移动性研究中的应用

1. 酒店能源需求预测

在酒店能源需求预测中，使用了多种误差指标，如平均绝对误差（MAE）、均方误差（MSE）和均方根误差（RMSE），同时结合统计指标 $R^2$（决定系数）。$R^2$ 用于确定因变量（酒店电力负荷）的方差中可由自变量（输入特征）解释的比例，从而展示模型与数据的拟合优度。

评估的模型能够令人满意地预测未来 24、48、72 和 96 小时的能源负荷，在测试集中与实际曲线有显著的拟合度。其中，GRU24 模型似乎始终表现最佳。通过统计分析，使用 Tukey 和 Holm - Bonferroni 方法一致证实，除了 LSTM24 以及在 MSE 和 $R^2$ 指标下的 GRU48 外，GRU24 与几乎所有其他模型存在显著差异。因此，GRU24 模型似乎是应对酒店电力需求预测的潜在工具。

1.1 误差指标列表

误差指标	含义
MAE	平均绝对误差，衡量预测值与真实值之间差值的绝对值的平均值
MSE	均方误差，预测值与真实值之间差值的平方的平均值
RMSE	均方根误差，MSE 的平方根
$R^2$	决定系数，反映模型对数据的