[0239] 為各個所述用戶組分別構(gòu)建對應(yīng)的初始用能行為數(shù)據(jù)預(yù)測模型，并將各個所述初始用能行為數(shù)據(jù)預(yù)測模型逐一作為目標(biāo)初始用能行為數(shù)據(jù)預(yù)測模型，所述初始用能行為數(shù)據(jù)預(yù)測模型是由編碼器、解碼器、全局注意力子模型組成的，所述編碼器以及所述解碼器是基于長短期神經(jīng)網(wǎng)絡(luò)構(gòu)建的； [0240] 獲取所述目標(biāo)初始用能行為數(shù)據(jù)預(yù)測模型所對應(yīng)的用戶組的第一歷史時段的用能行為數(shù)據(jù)以及歷史最優(yōu)環(huán)境參數(shù)集； [0241] 將所述第一歷史時段的用能行為數(shù)據(jù)以及所述歷史最優(yōu)環(huán)境參數(shù)集輸入到所述目標(biāo)初始用能行為數(shù)據(jù)預(yù)測模型中，得到第二歷史時段的預(yù)測用能行為數(shù)據(jù)； [0242] 基于所述預(yù)測用能行為數(shù)據(jù)與所述第二歷史時段的真實用能行為數(shù)據(jù)之間的損失函數(shù)對所述目標(biāo)初始用能行為數(shù)據(jù)預(yù)測模型進行模型訓(xùn)練，得到已完成模型訓(xùn)練的目標(biāo)用能行為數(shù)據(jù)預(yù)測模型； [0243] 得到各個所述用戶組對應(yīng)的已完成模型訓(xùn)練的用能行為數(shù)據(jù)預(yù)測模型，以基于各個所述已完成模型訓(xùn)練的用能行為數(shù)據(jù)預(yù)測模型預(yù)測各個所述用戶組的預(yù)測用能行為數(shù)據(jù)。 [0244] 在具體的應(yīng)用場景中，所述用戶聚類模塊，用于： [0245] 基于預(yù)先配置的用戶組的數(shù)量，隨機選取所述數(shù)量的用戶作為初始聚類質(zhì)心； [0246] 分別計算各個所述用戶的相關(guān)系數(shù)向量與各個所述初始聚類質(zhì)心所對應(yīng)的用戶的相關(guān)系數(shù)向量之間的歐氏距離，為各個所述用戶篩選出最小歐氏距離所對應(yīng)的初始聚類質(zhì)心，將各個所述用戶分配到所述初始聚類質(zhì)心所對應(yīng)的聚類簇，所述相關(guān)系數(shù)向量是從所述相關(guān)系數(shù)矩陣中獲取得到的； [0247] 計算各個所述聚類簇的中心向量，并將所述中心向量確定為更新聚類質(zhì)心； [0248] 分別計算各個所述用戶的相關(guān)系數(shù)向量與各個所述更新聚類質(zhì)心之間的歐氏距離，并將各個所述用戶重新分配到聚類質(zhì)心更新后的聚類簇，直至達到預(yù)設(shè)迭代次數(shù)或各個聚類簇的中心向量保持不變，得到多個用戶組。 [0249] 在具體的應(yīng)用場景中，所述用戶聚類模塊，還用于： [0250] 預(yù)先配置多個用戶組數(shù)量； [0251] 分別計算在各個用戶組數(shù)量下的簇內(nèi)誤差平方和，并生成簇內(nèi)誤差平方和隨用戶組數(shù)量變化的曲線； [0252] 基于肘部法，根據(jù)所述曲線確定最佳用戶組數(shù)量，以基于所述最佳用戶組數(shù)量選取初始聚類質(zhì)心。 [0253] 在具體的應(yīng)用場景中，所述環(huán)境參數(shù)集至少包括經(jīng)濟發(fā)展水平參數(shù)、居民收入?yún)?shù)、電價參數(shù)、溫度參數(shù)、降水量參數(shù)、風(fēng)速參數(shù)、人口密度參數(shù)、日期類型參數(shù)。 [0254] 本申請?zhí)峁┝艘环N基于特征篩選的用能數(shù)據(jù)預(yù)測裝置，與現(xiàn)有技術(shù)相比，本申請實施例基于最大相關(guān)最小冗余指標(biāo)從環(huán)境參數(shù)集中篩選出每個用戶對應(yīng)的典型環(huán)境參數(shù)集，再基于典型環(huán)境參數(shù)集所包含的各個環(huán)境參數(shù)與對應(yīng)用戶的用能行為數(shù)據(jù)之間的相關(guān)系數(shù)組合得到各個用戶的相關(guān)系數(shù)向量，基于相關(guān)系數(shù)向量將全部用戶劃分為多個用戶組，再將用戶組所包含的各個用戶的典型環(huán)境參數(shù)集整合得到該用戶組的環(huán)境參數(shù)指示向量，并利用遍歷求解的方式從環(huán)境參數(shù)指示向量中確定該用戶組的最優(yōu)環(huán)境參數(shù)集，充分考慮了環(huán)境參數(shù)與用戶用能行為數(shù)據(jù)之間的相關(guān)性以及環(huán)境參數(shù)之間的冗余性，不局限于僅對用戶用能行為數(shù)據(jù)本身的關(guān)注，考慮了環(huán)境參數(shù)等非線性問題對用戶用能行為數(shù)據(jù)的影響，使得針對用戶用能特性的分析結(jié)果更可靠；進一步的，為每個用戶組構(gòu)建的用能行為數(shù)據(jù)預(yù)測模型是由編碼器、解碼器、全局注意力子模型組成的，其中，編碼器以及解碼器是基于長短期神經(jīng)網(wǎng)絡(luò)構(gòu)建的，利用了長短期神經(jīng)網(wǎng)絡(luò)具備較長短期記憶的特點，充分表示了時間序列的變化情況，以及利用全局注意力子模型考慮所有隱藏層，學(xué)習(xí)不同環(huán)境參數(shù)的權(quán)重，提高了預(yù)測模型對重要環(huán)境參數(shù)的關(guān)注度，降低了誤差隨迭代而逐步累加的概率，從而提高了用能行為數(shù)據(jù)預(yù)測結(jié)果的準確率。 [0255] 根據(jù)本申請一個實施例提供了一種存儲介質(zhì)，所述存儲介質(zhì)存儲有至少一條可執(zhí)行指令，該計算機可執(zhí)行指令可執(zhí)行上述任意方法實施例中的基于特征篩選的用能數(shù)據(jù)預(yù)測方法。 [0256] 基于這樣的理解，本申請的技術(shù)方案可以以軟件產(chǎn)品的形式體現(xiàn)出來，該軟件產(chǎn)品可以存儲在一個非易失性存儲介質(zhì)（可以是CD?ROM，U盤，移動硬盤等）中，包括若干指令用以使得一臺計算機設(shè)備（可以是個人計算機，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等）執(zhí)行本申請各個實施場景所述的方法。 [0257] 圖8示出了根據(jù)本申請一個實施例提供的一種終端的結(jié)構(gòu)示意圖，本申請具體實施例并不對終端的具體實現(xiàn)做限定。 [0258] 如圖8所示，該終端可以包括：處理器(processor)602、通信接口(Communications?Interface)604、存儲器(memory)606、以及通信總線608。 [0259] 其中：處理器602、通信接口604、以及存儲器606通過通信總線608完成相互間的通信。