建筑節(jié)能是實現(xiàn)節(jié)能減排過程中中不可缺少的一步,建筑能耗的準(zhǔn)確預(yù)測對于建筑節(jié)能優(yōu)化以及建筑能源管理有良好的指導(dǎo)作用,通過數(shù)據(jù)驅(qū)動建立的能耗預(yù)測模型具備精度高、時間短等優(yōu)勢,在能源領(lǐng)域得到大量的推廣。本文以采用供熱站進(jìn)行冬季供暖的某居民小區(qū)建筑為研究對象,采用各單一機(jī)器學(xué)習(xí)算法以及集成學(xué)習(xí)算法,根據(jù)數(shù)據(jù)采集系統(tǒng)采集到的數(shù)據(jù)、氣象站中采集數(shù)據(jù)、小區(qū)總能耗等數(shù)據(jù)建立能耗預(yù)測模型,結(jié)合異常值處理、特征提取和網(wǎng)格搜索等措施提高能耗預(yù)測模型精度,最終得到的建筑能耗預(yù)測模型在具備較高的準(zhǔn)確度的同時輸入較少的特征變量,提高了模型的泛化能力。原始數(shù)據(jù)集中包含機(jī)組運行數(shù)據(jù)、氣象站采集數(shù)據(jù)、時間數(shù)據(jù)以及能耗數(shù)據(jù),采用散點圖及箱線圖進(jìn)行異常值檢測,采用中位數(shù)填充方法對異常值進(jìn)行替換,通過比較處理后數(shù)據(jù)中各變量之間的最大信息系數(shù)判斷各變量相關(guān)性,進(jìn)而通過Bortua算法判斷各變量重要性并選出最佳輸入特征變量集。將經(jīng)過特征提取的數(shù)據(jù)劃分為訓(xùn)練集及測試集,利用多元線性回歸算法、極限學(xué)習(xí)機(jī)算法、極限梯度下降算法與支持向量回歸四種單一機(jī)器學(xué)習(xí)算法分別建立能耗預(yù)測模型,并通過十折交叉驗證以及網(wǎng)絡(luò)搜索的方法進(jìn)行參數(shù)尋優(yōu)。最后采...

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-22017年中國建筑能耗、建筑面積以及建筑碳排放分布情況

建筑領(lǐng)域能耗已經(jīng)超過其他兩個領(lǐng)域能耗[1]。2016年，中國建筑能源消費總量為8.99億噸標(biāo)準(zhǔn)煤，占全國能源消費總量的20.6%；全國建筑總面積為635億平方米，城鎮(zhèn)人均居住建筑面積為34.9平方米；建筑碳排放總量為19.6億噸2CO，占全國能源碳排放總量的....

圖2-3系統(tǒng)瞬時熱量觀察發(fā)現(xiàn)，在2017/1/1～2017/1/3內(nèi)瞬時熱量值保持不變，經(jīng)過對其他變量的分

華中科技大學(xué)碩士學(xué)位論文常值，其中在范圍22[Q3IQR,Q1.5IQR]與22[Q1.5IQR,Q3IQR]的異常值視為溫和異常值，在22[Q3IQR,Q3IQR]范圍外的數(shù)據(jù)視為極端....

圖3-2stacking算法架構(gòu)圖

圖3-2stacking算法架構(gòu)圖.1多元線性回歸算法原理多元線性回歸模型是利用歷史樣本數(shù)據(jù)，建立多元線性回歸模型，用來研究量和多個自變量之間關(guān)系的定量化分析方法[40]。我們假定因變量為Y，有k個自變量為123,,kXXXX，因變量Y與k個自....

圖3-3神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖3-3神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖于預(yù)測而言，模型的目標(biāo)是使預(yù)測值與真實值之間誤差1||||0Njjjot找到i，iW和ib，使得：1,1,,LiijijigWXbtjN化為矩陣形式：HT中，H是....

本文編號：4054465