基于聚类和神经网络对建筑节能气候数据清洗的算法
针对建筑节能气候数据质量差的问题,提出了基于K-means聚类算法与BP神经网络相结合的方法对建筑节能气候数据进行清洗.首先,针对传统的K-means聚类算法对离群点的处理不足,通过最小二乘法设定阈值提高聚类的效率;接着,将聚类后的数据集作为BP神经网络的训练样本进行网络设计和训练;最后,得到属性之间的映射关系,检测出异常值并修正,从而实现对建筑节能气候数据的清洗.实验结果表明,所提的基于聚类和神经网络算法对建筑节能气候数据的有效清洗率达到93.6%,从而提高后续建筑节能设计和能耗模拟的可信度.
K-means聚类、BP神经网络、气候数据、建筑节能、数据清洗
38
TP389.1(计算技术、计算机技术)
国家自然科学基金资助项目61373112
2018-08-21(万方平台首次上网日期,不代表论文的发表时间)
共5页
83-86,111