--- format: "aidr-story-markdown/v1" id: "24ea13c732146e2c4412b2212a2a86bc68cd6cfe6f9c0e79cf1b10a4e728fa62" canonical_url: "https://aidr.today/24ea13c7?lang=vi" title: "Đánh giá so sánh các mô hình dự báo lai để dự đoán ngắn hạn tải nhiệt tòa nhà" lang: "vi" requested_lang: "vi" available_langs: ["en","vi"] translation_fallback: null fallback_fields: [] published_at: "2026-10-07T04:00:00.000Z" category: "Research" topics: ["inference"] source_urls: ["https://arxiv.org/abs/2610.06881"] summary: "Bài báo này thực hiện đánh giá so sánh các mô hình lai khác nhau nhằm dự báo ngắn hạn nhu cầu nhiệt của tòa nhà. Cụ thể, quá trình đánh giá giải quyết việc so sánh các mô hình dựa trên dữ liệu được cải tiến bằng các kỹ thuật tiên tiến khác. Ở bước đầu tiên, các kỹ thuật hiện có được ghi nhận trong tài liệu sẽ được phân tích. Kết quả cho thấy Metaheuristics hoặc một mô hình dựa trên dữ liệu được dùng để xác định các tham số của mô hình cơ sở. Đánh giá định tính bao gồm các đặc trưng đầu vào và đầu ra, các ưu điểm và hạn chế chính cho từng phương pháp. Ở bước thứ hai, một tập dữ liệu có sẵn về nhu cầu nhiệt lịch sử từ các hộ gia đình ở Scottish, cùng với các dự báo thời tiết lịch sử được sử dụng để đánh giá bổ sung hiệu suất của các phương pháp lai hiện có. Từ việc đánh giá 13 phương pháp lai, mô hình EMD-LSTM-Markov có thể dự đoán với độ chính xác cao nhất mô hình công suất ngày tới cho nhu cầu sưởi ấm và nước nóng sinh hoạt (DHW). Mặc dù các đỉnh công suất cục bộ cũng được dự đoán chính xác, các đợt tăng và đỉnh công suất cao vẫn bị đánh giá thấp." --- # Đánh giá so sánh các mô hình dự báo lai để dự đoán ngắn hạn tải nhiệt tòa nhà > [Open the canonical story]() **Published:** 2026-10-07T04:00:00.000Z **Category:** Research **Topics:** inference ## Summary Bài báo này thực hiện đánh giá so sánh các mô hình lai khác nhau nhằm dự báo ngắn hạn nhu cầu nhiệt của tòa nhà\. Cụ thể, quá trình đánh giá giải quyết việc so sánh các mô hình dựa trên dữ liệu được cải tiến bằng các kỹ thuật tiên tiến khác\. Ở bước đầu tiên, các kỹ thuật hiện có được ghi nhận trong tài liệu sẽ được phân tích\. Kết quả cho thấy Metaheuristics hoặc một mô hình dựa trên dữ liệu được dùng để xác định các tham số của mô hình cơ sở\. Đánh giá định tính bao gồm các đặc trưng đầu vào và đầu ra, các ưu điểm và hạn chế chính cho từng phương pháp\. Ở bước thứ hai, một tập dữ liệu có sẵn về nhu cầu nhiệt lịch sử từ các hộ gia đình ở Scottish, cùng với các dự báo thời tiết lịch sử được sử dụng để đánh giá bổ sung hiệu suất của các phương pháp lai hiện có\. Từ việc đánh giá 13 phương pháp lai, mô hình EMD\-LSTM\-Markov có thể dự đoán với độ chính xác cao nhất mô hình công suất ngày tới cho nhu cầu sưởi ấm và nước nóng sinh hoạt \(DHW\)\. Mặc dù các đỉnh công suất cục bộ cũng được dự đoán chính xác, các đợt tăng và đỉnh công suất cao vẫn bị đánh giá thấp\. ## Sources - [Story source]()