基于机器学习的建筑能耗模型适用性研究

• 作者: 孟庆新 宋继田 李占勇 杨松 田玮 魏来
• 来源期刊: 天津科技大学学报
• 学科: 工学
• 关键词: 建筑节能 能耗模型 机器学习 模型精度
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 【机械与自动化】
• 页码范围: 54-59
• 页数: 6页
• 分类号: TU17
• 字数: 5658字
• 语种: 中文
• DOI: 10.13364/j.issn.1672-6510.20150158

摘要

为进一步分析不同机器学习方法用于建筑能耗模型的适用性，重点比较了6种常用机器学习方法用于预测办公建筑能耗时的准确性，包括线性回归、高斯过程、多元自适应回归样条法、自助多元自适应回归样条法、随机森林和支持向量机。结果表明：多元自适应回归样条法、自助多元自适应回归样条法和随机森林法适用于取暖能耗的模型建立；对于制冷能耗预测，自助多元自适应回归样条法的计算精度最高。同时发现制冷能耗与取暖能耗相比，由于存在更加复杂的非线性关系，其预测难度更大。研究结果不仅可用于在建筑节能分析中确定最佳机器学习方法，而且所得机器学习方法可用于城市建筑能耗模型的建立。