摘要
本公开涉及机器学习技术领域，特别涉及一种建筑热负荷预测方法、系统、可读存储介质及程序产品，该方法包括：提取建筑热负荷数据的特征信息；根据所述特征信息训练初始预测模型，得到目标预测模型；所述初始预测模型基于大语言模型与图神经网络构建；根据目标预测模型进行建筑热负荷预测。本公开给出的技术方案通过融合基于引入Attention机制的Transformer的大语言模型和图神经网络，为建筑热负荷预测引入了深度时空分析能力，结合了贝叶斯优化、Adam优化器、高级正则化技术以及两阶段训练策略，不仅提高了模型训练的效率，还通过精细调整各阶段参数提升了整体预测精度和模型的泛化能力，而且有效防止了过拟合。
