基于多元线性回归模型的建筑能耗预测与建筑节能分析

针对城市建筑能耗的节约与有效利用,提出一种基于多元线性回归模型(MLRP)的建筑能耗预测与建筑节能分析模型.以天然气和电力为能耗目标,将建筑类型、建筑年代、占地面积和居住人数等参数作为输入特征,利用多元线性回归模型分析出对能耗具有显著性影响的因素,并预测整个区域的能耗.另外,通过该预测模型,可以评估实施改善措施后建筑的节能潜力.实验给出了各种场景下的建筑节能潜力,分析结果表明,提出的预测模型能够精确预测区域能耗.     

基于能耗指标的全社会用电量预测方法研究

充分考虑政府发布的经济社会发展与能源相关规划,基于单位GDP能耗等约束性指标,通过分析电能在终端能源消费比重的变化规律,建立全社会用电量预测模型。并通过具体算例预测2020年河南省全社会用电量,验证了预测方法的可行性和实用性,可为电力规划和企业经营提供决策依据。     

近零能耗建筑地源热泵检测方法研究

以寒冷地区某居住建筑为例,本研究通过DEST软件建立近零能耗建筑与常规节能建筑模型,对比分析其建筑冷热需求差异及其对空调系统的影响,并结合现有地源热泵系统检测方法,探讨了适用于近零能耗建筑的地源热泵性能检测方法。     

基于ConvLSTM的移动边缘计算服务器能耗模型

针对现有能耗模型对动态工作负载波动具有低敏感性和低精度的问题,该文基于卷积长短期记忆（convolutional long short-term memory, ConvLSTM）神经网络,提出了用于移动边缘计算的服务器智能能耗模型（intelligence server energy consumption model,IECM）,用于预测和优化服务器的能量消耗。通过收集服务器运行时间参数,使用熵值法筛选和保留显著影响服务器能耗的参数。基于选定的参数,利用ConvLSTM神经网络训练服务器能耗模型的深度网络。与现有的能耗模型相比,IECM在CPU密集型、I/O密集型、内存密集型和混合型任务上,能够适应服务器工作负载的动态变化,并在能耗预测上具有更好的准确性。     

基于生态优化视角的零能耗农村居住建筑优化设计

因经济的快速发展以及人类对资源的索取,导致生态环境原有平衡被打破,生物多样性锐减,植被遭受破坏,水土流失严重,自然灾害频繁,因此加强自然生态环境保护迫在眉睫.建筑业作为推进国家经济发展的支柱性产业,在倡导环境保护的今天,近零能耗建筑成为建筑领域追求的目标.要保证该目标得到实现,还需在选址、外围护结构、暖通空调、外窗等设...     

基于分层有限状态机的时间序列数据挖掘与预测方法

针对非平稳非线性时间序列的数据挖掘与预测问题,提出一种基于分层有限状态机的预测方法 .首先,将时间序列构建成有限状态机(FSM)模型,将时间序列的相对序列模式作为状态.然后,构建一种层次模型,通过关联特定模式形成中间状态,并以递归方式对模式进行分组,以此解决长序列造成的过度训练问题.最后,通过梯度下降法结合所有有限状态(FS)预测器的输出,生成最终预测结果 .实验结果表明,该方法能够对时间序列进行有效的规则挖掘,具有较高的预测精度.     

一种基于主成分分析的时间序列趋势预测方法

在分析现有时间序列预测方法的基础上,提出了一种利用主成分分析实现时间序列趋势预测的方法.算例表明,该方法能够具有一定的适用性.     

年径流预测的小波系数加权和模型

利用连续小波变换和小波方差分析年径流的周期特征,已被众多学者认可并应用于年径流的分析中。但这种方法只是一种定性预测,并不能作出比较明确的定量预测.本文在原有定性分析方法的基础上,提出基于年径流时间序列主周期小波系数加权求和预测周期成分的年径流预测模型.该方法更为有效地利用了小波分析的多分辨率特征,并可减小趋势成分的预测误差.经对千河流域年径流建模并检验,结果表明,文中所提出的预测方法可得到较为理想的预测结果,并可用于年径流时间序列预测.     

基于最优样本子集的在线模糊LSSVM混沌时间序列预测

提出一种基于最优样本子集的在线模糊最小二乘支持向量机(least squares support vector machine,LSSVM) 混沌时间序列预测方法. 算法选择与预测样本时间上以及欧氏距离最近的样本点构成最优样本子集,并采用" 不敏感函数对其进行模糊化处理,通过模糊LSSVM 训练获得预测模型. 随着时间窗口的滑动,最优样本子
集和预测模型实时更新,模型更新采用分块矩阵方法降低运算复杂度. 实验中对时变Ikeda 序列进行预测,表明所提出的方法与离线和在线LSSVM 相比,训练速度更快,预测精度更高.     

一种新的晶化过程电特性预测方法

金属玻璃具有许多独特性能,有着广泛的应用前景,晶化过程对金属玻璃的特性有重要影响.因此提出了一种基于小波变换和AR-ILSSVM金属玻璃晶化过程电特性预测方法.首先利用小波变换将时间序列分解为高频序列和低频序列,利用AR模型预测高频序列,利用ILSSVM方法预测低频序列,预测结果为上述预测的合成.仿真试验表明,这种方法可显著提高时间序列的预测精度.     

年径流预测的遗传模拟退火门限自回归模型

根据年径流时间序列资料所隐含的时序分段相依性,用门限自回归模型(TAR)来预测年径流,并研制了TAR建模的一整套简便通用的方案.文中所提出的模拟退火遗传算法,可同时优化门限值和自回归系数,从而解决了TAR建模过程所涉及的大量复杂寻优工作这一难题,为TAR模型的广泛应用提供了强有力的工具.实例计算的结果说明这套方案是可行和有效的.     

基于缺失值的海南旅游总收入的季节ARIMA模型及预测

讨论了带有缺失值的2007年1月至2013年2月的海南旅游总收入的数据,利用不同处理缺失值的方法对数据进行整合,得到海南省旅游总收入服从季节ARIMA模型,并由此对海南旅游总收入趋势进行有效预测.     

基于中央空调冷冻水系统节能预测模型的研究

本文提出一种应用于中央空调冷冻水系统节能预测的策略,以ARIMA时间序列预测方法为核心,在保证中央空调冷冻水系统安全稳定运行及满足用户舒适度前提下,设计真正符合系统运行规律的节能预测模型,为中央空调冷冻水系统节能控制器设计厂家提供水泵变频运行的安全阈值设计的理论依据,为使用中央空调冷冻水系统节能控制器用户提供产品节能率检测依据。并采用沈阳某自动化控制公司的中央空调冷冻水系统控制产品运行数据进行模型检测与验证,使所设计的节能预测模型更符合中央空调冷冻水系统实际运行状态。     

基于灰色理论对公交第三方支付盈利的预测

针对公交第三方支付平台盈利情况,运用了层次聚类分析、小波周期理论、灰色预测、回归分析以及时间序列等方法,构建了基于EVIEWS和SPSS的聚类模型,基于小波周期探查的灰色预测模型,基于第三方支付方式的利润回归模型及盈利的时间序列等模型,综合运用MATLAB,EVIEWS,SPSS等软件编程求解,结合实际给出可以增加第三方支付公司盈利的可行性方案建议.     

基于COPERT模型的城市道路交通能耗排放分析

交通能耗排放的量化及分布特征分析是制定交通节能减排政策的依据。研究选用COPERT 5模型计算城市道路交通能耗排放量及分担率特征。研究分析表明：2020年广州市城市道路的小型客车数量占比高达82%,轻型货车占比为10%。道路交通的运行划分为畅通、缓行及拥堵3种等级,畅通运行状态下燃料消耗及排放因子低于缓行和拥堵状态。非工作日与工作日能耗排放特征差异主要受小型客车出行量影响。小型客车对道路交通能耗(FC)、二氧化碳(CO₂)及一氧化碳(CO)、细颗粒物(PM_2.5)、可吸入颗粒物(PM₁₀)、挥发性有机物(VOC)排放贡献最大,大型客车、中轻型货车对道路交通氮氧化物(NO_X)排放贡献最大。因此,未来要加强对小型客车的引导和管控,增强城市公共交通吸引力,降低小型客车出行量;同时也要全面淘汰国3及以下排放标准的柴油货车,持续推进运输结构调整,加快新能源汽车的推广应用。     

基于切削参数的数控机床加工能耗优化方法研究

数控机床是制造行业中重要的组成部分,目前数控机床的能耗率普遍降低,过多的能源消耗会造成能源负担增加。针对这一问题,本文提出一种基于切削参数的数控机床加工能耗优化方法,通过确定切削参数优化变量及目标函数、增设数控机床加工能耗约束条件以及求解基于切削参数的数控机床加工能耗优化函数,实现对数控机床加工能耗的优化。对比试验证明,与传统数控机床相比,优化后的数控机床能耗明显降低,因此在实际的工业生产加工中具有更高的应用价值。     

基于模拟退火算法的子集AR模型辨识方法及其应用

该文提出一种子集ＡＲ模型辨识算法，该方法采用模拟退火随机搜索算法，对模型的回归项子集进行优化辨识，克服“组合爆炸”问题，简化计算。文中还讨论了基于该算法的人口死亡率建模和预报问题。     

基于确定性转换的IFTS预测

模糊时间序列预测模型在对不确定数据集的模糊趋势描述和论域划分方面有局限性,对此文中规范了直觉模糊时间序列的定义,应用直觉模糊C均值聚类算法优化论域区间划分,通过加入回溯机制构建确定性转换直觉模糊规则库,在此基础上提出一种直觉模糊时间序列预测方法,较好地反映了不确定系统数据的特征分布,提高了复杂环境下时间序列的预测精度. 通过典型实例验证了该方法的有效性和优越性.     

时间序列下的离散概率事件变化预测分析研究

针对时间序列下的离散概率事件的发生概率较难预测的问题,展开此次研究.通过阅读国内外相关文献,确定了采用矩阵分解来解决概率预测问题.在此基础上,通过理论论证,确定了如何预测事件发生概率的方法,并对该方法的可行性进行了充分论证.在此基础上,利用数学分析软件Matlab进行了仿真实验,确定了基于单个对象的有限期的概率预测结果.最后,对研究成果进行了回顾与总结.     

基于MLP&ST模型的空气质量预测

针对目前大多数模型均为对已监测区域的空气质量进行预测,而少有对未监测区域进行预测的问题,综合考虑气象因素、空间相关性和时间依赖性对空气质量的影响,提出了一种联合训练模型MLP&ST （MLP&spatial-temporal）,模拟预测北京市未监测区域未来时刻的空气质量指数（air quality index,AQI）。通过实验结果对比确定最佳历史时间步长P值为29;然后将模型与其他空气质量预测模型进行对比。实验结果表明,MLP&ST模型在3种评价指标下（RMSE,MAE,MAPE）皆优于其他对比模型,验证了所提出模型具有良好的预测效果。