基于时空联合嵌入预测架构的室内多节点温湿度短期预测研究

《Buildings》：Data-Driven Short-Term Forecasting of Indoor Thermal Fields via ST-JEPA for HVAC Feedforward Regulation

　　摘要精确的室内热环境预测对于建筑暖通空调（HVAC）系统的节能运行和模型预测控制至关重要。然而，传统预测模型往往难以理清稀疏传感网络所捕捉到的复杂时空动态。本研究提出了一种时空联合嵌入预测架构（ST-JEPA）用于室内多节点温湿度预测。通过将视觉领域的预测表示学习重新公式化为结构化传感器节点序列，所提出的模型明确整合了历史多节点观测、空间位置编码和同步HVAC运行状态。该模型在30秒到5分钟的预测时间范围内进行评估，使用了单个实验室中九节点传感器阵列在约29.8小时内记录的3568帧数据。实验结果表明，ST-JEPA实现了高短期预测精度，30秒温度均方根误差（RMSE）为0.0490 °C，1分钟为0.0647 °C。在原始消融实验中，移除HVAC运行状态输入使温度RMSE增加最多68.3%。在测试的30-50%节点掩码条件下，聚合误差保持相对稳定，尽管额外的单节点测试显示位置依赖的敏感性。与简单基线的比较显示，在不同目标和时间范围内没有一致的优势。ST-JEPA刻画了室内热场的短期演化，为HVAC前馈调节提供了潜在的预测基础；其对能耗和热舒适性的影响尚待评估。