面向大数据分析的建筑能耗信息模型

为便于使用不同粒度的建筑能耗数据进行大数据分析,调研了相关标准、导则及研究资料,整理了用于建筑能耗分析的指标,明确了计算这些指标所需要的数据及数据之间的关系.用面向对象的方法,先建立建筑能耗信息总体模型,然后建立了3个相关实体的粒度模型,共同构成面向大数据分析的建筑能耗信息模型.使用MongoDB建立基于该模型的数据库用于大数据分析,从而验证该模型的可行性.本研究使充分利用不同粒度的建筑能耗数据进行大数据分析成为可能.     

建筑能耗预测的机器学习回归模型研究

目的 使用回归模型对建筑样本进行机器学习训练,筛选出适用于预测建筑能耗的模型.方法 以香港地区1923个商用建筑作为研究对象,通过网络信息收集的方式获取建筑的物理参数、使用参数以及环境参数,采用PCA算法对高维度数据进行降维处理,并对相关数据进行了归一化处理;选取13种常见的机器学习回归模型作为建筑能耗预测模型,采用平...     

基于分段回归模型的变形监测数据分析

通过对回归模型在变形监测的应用研究,结合工程实例,对某高铁隧道的拱顶沉降值运用分段回归模型进行分析预测,建立时间和位移变形量的回归分析模型,并从统计检验、曲线线型、拟合度三个层面进行评价,得出分段回归模型可以较好的预测隧道断面的变形趋势,从而验证了该方法的工程实用价值。     

基于TentSSA-BPNN模型的钢铁企业能耗预测研究

为提高对钢铁企业电力能耗的预测精度,本文提出一种基于改进后的麻雀搜索算法的能耗预测模型TentSSA-BPNN。该模型利用Tent混沌映射改进SSA算法,设计出的TentSSA算法具有良好的稳定性和不易陷入局部最优的特点,再将其应用于传统BP神经网络,提升了预测精度。以某钢铁企业的电力能耗数据作为算例,对TentSSA-BPNN模型进行充分训练,再将其应用到对该企业的电力能耗预测当中。最后,设立对照组与本文提出的TentSSA-BPNN能耗预测模型进行对比分析。对照结果表明,TentSSA-BPNN预测模型对电力能耗的预测精度较高,在钢铁企业的节能减排方面具有一定的指导作用。     

基于改进灰色模型的建筑能耗预测研究

针对公共建筑逐月能耗呈现周期性震荡的特点,提出一种基于改进灰色模型的建筑能耗预测方法.在传统灰色模型(grey model,GM)的基础上,对建筑能耗的历史数据进行三角变换法处理,较好地解决了震荡序列的模拟和预测;引入弱化缓冲算子改善原始数据序列变化率较大时TGM模型的预测效果.将弱化TGM预测模型应用于各类建筑物的能耗预测,取得较为满意的结果.     

基于多元线性回归模型的居民用电量影响因素分析

随着社会和科学的不断进步,人们意识到环境能源对人类发展的重要性,节约能源是其中的一个重要措施。居民用电量与多种因素有关。为了研究各个影响因素对居民用电量影响程度的大小,以蚌埠市为例,首先从影响电量的供给、需求和外部因素角度分别选取了收入、价格、人口、气温及居住面积等五个因素作为分析指标,然后在EVIEWS建立蚌埠市居民用电量与以上5个因素的多元线性回归模型,用以研究各个影响因素对居民用电量的影响程度大小。通过EVIEWS对回归结果的分析得到如下结论:当前影响蚌埠市居民用电量的最主要因素取决于人口数量和人均居住面积,并提出节约用电的相关建议。     

基于BPT-MLR模型的建筑能耗分析和预测

通过对福建省厦门市某高校8栋公寓楼的房间日平均用电量的分析,提出一种建筑能耗的平衡点温度-多元线性回归(BPT-MLR)模型.使用统计方法识别平衡点温度,并根据该平衡点温度分段对房间日平均用电量进行多元线性回归预测分析;对8个参数进行筛选,最终选4个参数作为模型变量,包括1个数值型变量(室外空气平均温度)和3个定类型变量(性别、节假日指数和晴雨天指数).结果表明：对比3种数据驱动模型,BPT-MLR模型的预测性能最优,其R²值达到了95.29%,比BP神经网络模型和多元线性回归模型的R²值分别高出0.04%和24.64%.     

基于最小二乘回归模型的EIT数据分析

医学电阻抗成像技术（EIT）是当今生物医学工程领域重大研究课题之一。本文利用最小二乘回归模型分析了圆形场EIT扫描数据,实现了场域内干扰物质的相对尺寸及相对位置的确定,为实现EIT动态心肺监测活动奠定基础。     

基于面板数据分位数回归模型的房地产价格分析

采用安徽省13个地市2001～2010年的面板数据,对影响安徽省房地产价格的因素进行实证分析。研究结果表明:银行年度基准贷款利率和房屋销售面积与房地产价格不存在协整关系,用面板数据模型及分位数回归模型分析的结果均表明人均可支配收入对房地产价格影响的弹性最大。最后提出3点政策性建议,为政府调控房地产市场价格作参考。     

基于数据的建筑能耗分析与建模

对建筑能耗数据进行深入分析,提出了建立建筑电力能耗模型的方法.首先对建筑能耗进行了分项计量,统计了建筑逐时照明能耗数据,办公设备能耗数据以及办公人数,同时调查了建筑管理控制方式.经过分析可知,办公设备能耗数据与办公人数线性相关,而照明能耗数据与办公人数以及太阳辐射强度相关,但为非线性关系.根据不同类型数据的特点,分别建立了线性回归模型以及决策树模型.该模型可以预测建筑能耗并评估建筑管理方式对能耗的影响.     

基于改进BVAR模型和MS-VECM模型的能源消费分析

针对向量自回归模型(VAR)的高维估计问题,结合贝叶斯理论提出了一种融合正态-逆Wishart共轭先验分布的估计方法。在该估计方法中,所提出的模型引入Metropolis-Hastings(MH)算法,从以往数据集中确定先验分布超参数,并通过设定与模型尺寸相关的收缩系数从而进行估计。与传统VAR模型相比,基于贝叶斯理论的估计方法可在保留相关样本信息的同时控制过度拟合,具有较好的稳健性和有效性。此外,在改进的BVAR模型基础上,结合区制转移技术与误差修正模型提出了MS-BVECM模型,该模型能够有效分析经济周期内各变量之间长期与短期均衡状态变化,当短期内经济变量受到波动而与长期均衡状态发生偏离时,误差修正模型机制会使其逐渐重新回到长期均衡状态,以保证模型的稳健性。最后,以重庆市为例,利用所提模型对其能源消费、产业结构升级和经济增长的动态关系进行了分析与预测并提供了可行建议。     

基于次序Logistic模型的广西大学生消费水平影响因素分析

采取随机抽样的调查方法对广西898名在校大学生月均消费水平进行调查,并用次序Logistic模型对调查结果进行分析.结果,以户籍、饮食支出、服饰化妆、抽烟喝酒、娱乐消费、恋爱、话费、兼职收入及家庭收入等因素建立的模型,回归系数的显著性概率都小0.05,通过了Wald检验,且OR值均大于1.表明Logistic模型对上述因素的分析具有显著的统计意义,即影响大学生月均消费的主要因素即为上述9个,而且在其他因素相同情况下,各项消费支出越高,其月均消费就越高,各项收入越高,其月均消费也越高.建议企业从这9个方面制定相应的有效营销策略来开发大学生消费市场.     

基于面板数据的能源消耗与经济增长实证分析

以我国31个省市自治区2003-2010年的能源消耗与经济增长的面板数据为研究基础,讨论了能源消耗对经济增长的影响,建立了固定效应变系数模型;得出了各个省市自治区单位能源消耗对经济增长不同的拉动作用,提出相应的政策和建议.     

基于回归分析的车辆数据增长与预测模型研究

车辆数据的快速增长导致的城市道路交通拥堵问题,一直受到各方面广泛关注。本文利用随机因子回归模型,基于2007年7月至2010年12月贵阳市车辆数据,计算分析出数据增长与预测模型。在此基础上对贵阳市2011年各月的车辆数据进行了科学预测。     

产业结构与能源消费的回归分析

针对能源消耗总量,通过对相关数据的分析,从能源消费强度、能源消费倾向和能源消费总量三个角度分析我国三大产业部门的能源消费特征。首先对选取的数据进行筛选处理,借助Eviews软件,运用线性回归方法对能源消费量与产业结构间的关系进行分析,发现能源消耗量与产业结构存在负相关关系,在此基础上提出通过优化调整产业结构来降低能源耗费量。     

应用回归分析的数据关联算法

针对复杂电磁环境下目标跟踪需要兼顾实时性和精确性的问题,应用测量领域的数据处理方法,提出了回归分析的数据关联算法.首先,利用对滤波曲线的两点回归分析,逐一预测各观测到达时刻的置信区间,筛选出关联点;接着,以系统处理周期为分组标准,对筛选序列进行成组观测数据回归分析;最后,计算出观测融合点,并用该点更新滤波器新息.该算法不仅能将复杂的关联转变成测量点迹动态更新过程,而且优化了同步化处理步骤.仿真实验表明:回归分析算法与联合概率数据关联算法相比,在直线运动场景下,两者的均方根误差及轨迹丢失率相近,且随着目标数目的增多,前者在平均占用CPU时间上的优越性更加突出;在曲线运动场景下,两者跟踪误差相当,前者占用CPU时间仅为后者的1/6.     

应用组合模型对我国能源消费的预测

鉴于我国能源消费系统的复杂性及非线性特征,分别采用神经网络和时间序列两种方法建立我国能源消费总量的单项预测模型,并对各模型进行了检验,模型的检验结果表明建立的模型可以作为预测未来能源消费量的有效工具.根据标准差法对各模型的结果进行权重分配,建立我国能源消费的组合预测模型,组合预测模型既克服单一模型的缺陷,又提高了预测精度,之后应用此模型对我国未来六年的能源消费进行预测,2015年我国能源消费总量将会达到41.9亿吨标准煤.     

基于GFI模型广东能源消费变动的因素分解分析

运用广东省1990-2009年能源消费的面板数据,采用广义费雪指数方法对广东能源消费的影响因素进行分解分析,探讨产业能源效率、产业结构、经济发展与人口发展等因素对广东能源消费变动的影响和作用。为了进一步剖析各因素对能源消费变动的影响效果,构建回归分析模型,研究表明：经济发展、人口发展与产业结构对广东能源消费增长起到推动作用,产业能源效率对广东能源消费增长起到抑制作用。