简介： 本发明公开了一种运用时序数据的深度强化学习建筑能耗预测方法，本发明利用深度森林算法将样本按照一定的标签范围进行分类，进而划分深度强化学习模块所使用的原始动作空间，在找寻动作空间内不同类别相同次序动作的数学联系后，将其所依赖的神经网络多个神经元用一个神经元进行替代，实现计算时间及计算资源的缩减；本发明与现有能耗预测方法相比，其显著优点是：1)可以对异常能耗数据进行检查和替换2)方法输入仅需要历史能耗数据，而无需其他建筑内部结构信息或者人员分布信息3)方法训练的计算时间及计算资源小于其他方法。