基于机器学习的建筑能耗模型适用性研究.PDF

第 31 卷 第 3 期 天津科技大学学报 Vol. 31 No. 3 2016 年 6 月 Journal of Tianjin University of Science Technology Jun. 2016 DOI:10.13364/j.issn.1672-6510 基于机器学习的建筑能耗模型适用性研究 田 玮 1，魏 来 1，李占勇 1，孟庆新 2，宋继田 1，杨 松 1 (1. 天津市轻工与食品工程机械装备集成设计与在线监控重点实验室，天津科技大学机械工程学院，天津 300222； 2. 天津科技大学后勤集团，天津 300222) 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． 关键词：建筑节能；能耗模型；机器学习；模型精度 中图分类号：TU17 文献标志码：A 文章编号：1672-6510(2016)03-0054-06 Building Energy Models Based on Machine Learning Methods 1 1 1 2 1 1 TIAN Wei ，WEI Lai ，LI Zhanyong ，MENG Qingxin ，SONG Jitian ，YANG Song (1．Tianjin Key Laboratory of Integrated Design and On-line Monitoring for the Light Industry and Food Engineering Machinery and Equipment，College of Mechanical Engineering，Tianjin University of Science Technology， Tianjin 300222，China；2．Logistics Group，Tianjin University of Science Technology，Tianjin 300222，China) Abstract：This paper focuses on a comparison