首页|数据不足条件下办公建筑空调系统能耗预测研究

数据不足条件下办公建筑空调系统能耗预测研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对机器学习模型训练数据不足的问题,本文提出了一个两阶段集成学习预测模型.该方法能够充分提取样本数据的信息,从而实现较准确的能耗预测.模型第一阶段采用SVR与ANN算法建立两个子模型,第二阶段将子模型的预测情况作为新的特征用于建立最终的RF模型.研究结果表明,在20％数据可用性下,集成学习模型平均绝对百分比误差为15.5％.对比SVR,ANN和RF模型,该集成学习模型预测性能更好,更适宜工程实际应用.
Energy Consumption Prediction of an Office Building Air-conditioning System in the Absence of Data

董振翔、刘彬、刘江岩、李夔宁、李鑫、郭小敏

展开 >

重庆大学低品位能源利用技术及系统教育部重点实验室

重庆大学能源与动力工程学院

建筑空调系统 数据不足 集成学习 能耗预测

重庆市教委科学技术研究项目重庆市自然科学基金

KJQN201800121cstc2019jcyj-msxmX0537

2022

建筑热能通风空调
中国建筑学会

建筑热能通风空调

影响因子：0.293
ISSN：1003-0344
年,卷(期)：2022.41(8)
  • 5