22、基于LSTM的房间占用预测方法

基于LSTM的房间占用预测方法

1. 房间占用预测任务概述

房间占用状态的预测可分为两个实验任务：
- 任务1：占用检测 ：给定观测历史 $X$，预测同一时间步 $t$ 目标变量的值 $\hat{y} t$。目标变量 $y$ 为房间占用状态，其他测量变量 $X$ 作为模型输入。即根据时间 $t$ 的环境传感器观测值 $x_t$，预测同一时间 $t$ 的房间占用情况 $y_t$，这被视为一个有监督的机器学习问题。
- 任务2：占用预测 ：将时间 $t$ 的所有测量变量（包括占用变量）作为输入变量 $x_t$，目标变量为时间 $t + 1$ 的房间占用情况。根据时间 $t$ 的环境传感器观测值 $x_t$，预测下一个时间步 $\hat{y} {t+1}$ 的房间占用情况。同样视为有监督的机器学习问题，但会丢失原始数据集的最后一个观测值。

2. 数据预处理

在将数据传入LSTM网络之前，所有数据集需进行缩放和归一化处理，使其范围在 $(0 - 1)$ 之间，然后转换为三维数组（3D配置），结构为 [样本，时间步，特征] ，具体含义如下：
- 样本 ：即观测值，通常是数据的行。
- 时间步 ：用于根据观测值预测目标变量的时间滞后。
- 特征 ：表示每个观测值检测到的变量数量。

2.1 非均匀时间序列的转换方法

为获得适合LSTM模型应用的数据结构，即检测