一种基于深度学习的智慧建筑自适应综合管控方法及系统

本发明公开了一种基于深度学习的智慧建筑自适应综合管控方法及系统，涉及智慧建筑技术领域，包括本发明通过神经聚类与DCT频域压缩机制有效降低了时间序列维度并去除冗余趋势信息，增强了模型在长时间跨度下的预测稳定性和泛化能力，通过自适应遗传算法和APSO算法对LSTM模型参数进行全局优化，实现了跳出局部极小、收敛更快的最优模型搜索，从而增强模型对用户行为变化的泛化能力与预测精度，显著提升用户行为预测模型性能和自适应优化能力，通过MAML快速参数更新机制，实现策略迁移使控制模型在异常条件下的即时适配，提高响应速度，使其在动态场景中具备持续优化能力。