1.2.研究意义
我国的资源情况是少油少气多煤，冬季天然气供应紧张的新闻屡见不鲜，那么准确的预估每日能源的消耗将更有利于医院后勤工作的统筹。
在通过现有的统计学方法来预测天然气消耗量中，对于连续变化的天气情况暂不能进行有效的精细化预测。在一些特殊气象环境，例如极端的雨雪大风天气中往往现实结果与预测结果有较大出入。后勤人员虽然已经记录了大量的天然气消耗的数值记录和天气记录，却没有高效和科学的利用方法，只能依靠自身过往经验来预测，而这些经验推测，带有很强的主观性，既无法面对复杂的气象环境，也无法作为有效经验来推广。
充分利用现有的记录数据，结合历史气象资料，利用机器学习框架TensorFlow对气象环境与能源消耗量进行建模，构建具有地方特性气象环境与能源消耗量的模型，为后勤工作所保障的区域提供科学化的预测手段。减少基于个人经验所产生的误差。
