本文探讨了数据挖掘在建筑暖通空调领域的应用，包括能耗分析、故障检测与诊断、优化运行与控制。数据预处理是关键，涉及K-Means、KNN和小波分析等算法。通过决策树模型分析用户行为，预测技术如线性回归、神经网络和SVM用于能耗预测。异常检测结合专业知识和数据挖掘方法，故障诊断则发展至多算法融合。优化运行中，数据挖掘算法如拉格朗日法、遗传算法和神经网络用于控制策略优化，模型预测控制结合人工神经网络和模糊算法实现控制优化。
数据预处理占到整个数据挖掘流程的 80% 以上的工作量，是最重要的工作之一
如对于异常数据，常见的算法有 K-Means 算法、KNN 算法 以及小波分析算法，K-Means 算法在处理过程 中易受异常值的影响，KNN 算法对计算性能要求较高，不适合于处理过大的数据集合，而小波算法本身过于复杂，实施过程中耗费的时间较长、效率较低，
能耗
建筑能耗影响因素分析与量化研究
建筑能耗的影响因素归为以下几个 主要因素: 气候条件( 如温度、湿度、太阳辐射等) 、 建筑特性( 如围护结构特性) 、建筑用能系统与设备 ( 如暖通空调系统) 、用户行为与活动、室内空气品 质等
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
