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...     

基于机器学习的建筑能耗SVM模型降阶分析与研究

在建筑能耗预测模型训练中,选定的特征在某些环境下很难保证预测结果的实效性和准确性.如何科学合理地选择适合建筑本身属性的特征子集用于模型学习,在机器学习研究领域中一直备受研究者的青睐.基于解决使用不同的特征集会改变模型的精度性能和学习速度等问题,本文提出一种"探索式"方法用于特征子集选择,并针对它是如何影响模型的性能进行一系列的实验和系统分析,探索一种足够简单且实用,同时又可以在实践中容易获取和准确记录的特征集.基于选取出的3个数据集,利用径向基函数核和多项式函数核对模型进行训练,通过特征选择前后模型性能的数据比较分析发现所采用的方法对模型的预测精度具有一定的提升作用.     

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%.     

基于人体舒适度的建筑能耗研究

目前建筑能耗模拟的计算方法需要的参数过多,且使用的是典型年气象数据,数据的代表性较差.从气象角度出发,选取北京、上海、广州、哈尔滨及昆明作为我国5大气候区的典型城市,利用温度、湿度、日照时数、风速等气象数据,构建了室内人体舒适度的计算方程.结果表明:室内人体舒适度与建筑能耗呈显著线性相关关系.可基于气象因素,采用人体舒适度指数估测建筑物的空调采暖能耗,为建筑能耗估测提供了新途径,为建筑物的优化设计、自然节能和改造等工作提供参考.     

采用机器学习算法的软件能耗感知模型及其应用

针对软件开发人员不了解代码的能耗,或者即使能测得软件运行时的能耗但由于缺乏对影响能耗的各因素了解的问题,在对4种机器学习算法实验的基础上,选用岭回归算法建立了以软件性能事件为特征的软件能耗模型。以收集的软件能耗测量值和软件性能事件数据作为训练样本,利用岭回归机器学习算法建立平均能耗模型,用平均能耗模型来预测其他软件的平均能耗;并在此基础上,利用软件运行的实时特征提出了实时的能耗模型。实验结果表明:以测量的能耗为基准,采用所提出的平均能耗模型对软件能耗进行预测的误差率在9%以内;与平均能耗模型相比,实时能耗模型的预测误差率更低。采用本文所提出的两种能耗模型,软件设计人员不需要对自己的软件进行测量和训练就可以较准确地估算出软件的能耗并能解释能耗产生的原因,最后根据预测结果对软件的能效进行优化。     

基于机器学习算法模型的巫山县洪水灾害研究

利用机器学习算法RF模型、K-means模型与ARMA模型,对巫山县范围内12 369条径流河段进行分类预测,研究水文参数在时间序列上的变化规律,探究降雨-径流演变规律;并结合GIS空间可视化技术,综合研究区地理环境,基于RF模型预测洪水致灾范围,分析洪水灾害预测结果的空间特征。结果表明:①RF模型能有效预测降雨-径流演变过程中参数的重要性,当降雨强度为125 mm、150～175 mm时,预测出水位、流速变化率最大;降雨强度为100～175 mm时,预测出流速变化率最为剧烈;②利用ARMA模型预测出河流比降、流量等水文参数回归性最好,较低等级河流所预测参数中,水位、流速变化率最为明显,流量无明显变化。相较于水位变化率,流速变化更为强烈,流速、水位变化率主要集中于等级较高河流;③机器学习算法能有效预测研究区洪水易发程度,在表征研究区水文参数时,水位变化主要集中于西北部、中南部,东北部与中南部水位变化率显著,预测出部分地区水位可升至20 m,处极危险状态。     

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.     

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EETP指标的居住建筑围护结构能耗研究

为了对围护结构设计进行评价,采用数学方法建立居住建筑围护结构能耗及热工性能评价(EETP)指标,该评价指标包含建筑几何参数、热工参数、气象参数、制冷与制热系统的运行时间和能效比.以上海地区为例,建立了EETP指标与围护结构累计耗冷量、耗热量及制冷、制热、全年能耗的计算公式,算例表明该算法简单准确;与夏热冬冷地区居住建筑节能设计标准中的规定性指标对比,得出满足该标准最低要求时上海地区围护结构EETP全年指标的极限值为0.871W/(m3.K).     

住宅建筑生命周期能耗及环境排放模型

为制定建筑设计方案,建造低能耗环保建筑,基于生命周期评价(LCA)理论,剖析了住宅建筑相关活动能耗与环境排放的影响因素,提出了建材开采生产、建筑施工、运行、维护以及建筑拆除固体废物处置5个阶段的能耗以及以CO2、SO2、CO、NOx和PM10为代表的环境排放的理论计算模型。该模型可为全面认识中国住宅能耗和污染水平提供理论基础。     

GM-LSSVM模型在建筑能耗预测中的应用

为提高大型公共建筑能耗的预测精度,提出一种基于灰色模型和最小二乘向量机方法(GM-LSSVM)的办公能耗预测模型.该方法结合灰色建模计算简单的特点,以及最小二乘支持向量机非线性拟合能力和泛化能力强的优势,充分发掘样本数据的规律,并以粒子群优化算法进行模型参数选择.根据福州某大型公共建筑能耗数据,通过本研究提出的方法建立预测模型,并与神经网络模型以及最小二乘支持向量机模型的预测结果进行比较,验证了该方法具备较高的预测精度和较强的泛化能力.     

基于机器学习的石油多峰模型研究及应用

油田在实际开发过程中,受新区块投产、开发方案调整和三采措施等因素的影响,年产量数据会呈现多峰形态。针对经典的Hubbert、HCZ等模型不能直接拟合多峰数据序列的问题,开展了基于机器学习的油田产量多峰预测模型研究。基于Hubbert模型,对多峰数据序列进行分段最小二乘拟合,在拟合误差函数中引入控制分段个数的罚分项,采用动态规划算法,自动求得最优分段的多峰预测模型,该模型运用在实际的油田产量数据上,预测结果达到预期目的。提出了一种通过自动最优分段的线性回归学习来建立油田产量多峰预测模型的方法,在实际应用中具有建模简单、自适应性强的优点。     

基于多元统计方法的酒店建筑能耗分析研究

以福建省建筑节能监管体系建设工作为基础,介绍了本地区酒店建筑的能耗现状.选取了建筑面积、空调冷源侧功率等8个主要能耗影响因素作为回归分析初始变量,通过主成分分析,提取出3个主成分,并在此基础上,建立了酒店建筑能耗二次回归模型,从统计学及实践两个角度验证了该模型的准确性和有效性.     

基于WSN的建筑电气设备能耗远程监控系统研究

建筑电气设备数量较多,通过远程监控系统对能耗进行监测,可及时发现能耗异常.为此简要介绍WSN结构,在WSN基础上提出从网络节点、系统硬件、系统软件、节点驱动四方面设计建筑电气设备能耗远程监控系统.通过模拟实验,证实了该系统的有效性.     

基于坡道元胞自动机模型的能耗研究

针对上坡路段汽车需减小车速增大牵引力的现象,假定坡道倾度与车辆在坡道上的最大速度成反比,基于元胞自动机NaSch交通流模型建立包含有坡道的单车道元胞自动机模型,用数值模拟研究在周期边界条件下,坡道长度和倾度对交通流能耗的影响.结果表明:坡道长度和倾度对交通流能耗均有很大的影响,坡道长度越长、坡度越大,车速被限速越厉害,...     

基于回归模型的某高校能耗数据分析研究

近几年来,国内大多数院校积极响应国家节能减排环保政策,建设了节约型校园能耗监测平台。基于这种现象,提出利用平台报表管理功能统计的数据,挖掘能耗的影响因素进而建立能耗预测模型,为节约型校园建设提供参考依据。     

基于机器学习模型的多层土壤湿度反演

为了获取深层土壤湿度缺测值,采用支持向量机、BP神经网络和随机森林3种机器学习算法,在表层至深层土壤中利用主成分分析法选择与土壤湿度相关性显著的气象因子作为输入数据,建立多层土壤湿度反演模型反演了不同深度的土壤湿度。结果表明:随机森林模型模拟结果更加稳定,反演效果更佳;受气象因子驱动的影响,3种机器学习模型对地表0~10.cm深度内土壤湿度的反演效果更佳,对深层土壤湿度的反演效果随着深度增加而变差;增加表层土壤湿度及不同深度土壤温度作为驱动因子可以有效提高机器学习模型对深层土壤湿度的反演能力。