基于聚类分析与SVR公共建筑能耗预测研究

摘要：

为解决能耗预测算法中存在的高维度、局部极值点等问题,提出基于聚类分析与支持向量回归(SVR)的公共建筑能耗预测.对数据进行相关性分析和降噪标准化处理,然后输入K-Means算法中进行聚类分析;分析后的数据用于模型的训练与验证;以训练模型为基础出开发人机交互预测界面,实现公共建筑能耗可视化预测.仿真结果表明,未聚类预测模型的判定系数为0.89725,聚类后的预测模型的判定系数为0.93645,聚类后预测比未聚类预测精确性提高3.9％.提出的算法在公共建筑能耗预测中预测结果精准,也可用于其它类型建筑能耗预测.

关键词：支持向量回归、能耗预测、数据处理、聚类分析、人机交互

所属期刊栏目：39

分类号：TP181(自动化基础理论)

资助基金：北京建筑大学博士基金项目ZF15054

在线出版日期：2022-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：471-475