本文探讨了机器学习如何在制冷与空调行业发挥作用，包括利用支持向量机、神经网络和混沌神经网络进行能耗预测，采用不平衡数据技术进行故障诊断，以及在产品开发中应用SVM方法。此外，还提到了其他领域的应用，如生物质三组分含量预测和柴油机工况识别。
近年来，机器学习发展如火如荼。机器学习作为人工智能最有效的方法得到越来越多的应用。
机器学习Python库的成熟发展大大降低了传统行业技术人员应用机器学习算法的门槛。
本文主要搜集机器学习在制冷、暖通空调方面应用的文章并附上知网的链接，以供参考。
能耗预测
- 程亚豪,陈焕新,王江宇.基于机器学习的住宅能耗预测[J].制冷与空调,2019,19(05):35-40.
Key Words：支持向量机、BP神经网络、随机森林和梯度提升机 - 2017-基于SVM的大型公共建筑能耗预测模型与异常诊断，周峰等，土木工程与管理学报
Key Words：支持向量机 - 吴成东,丛娜,孙常春. 基于混沌神经网络的建筑节能综合评价[J]. 沈阳建筑大学学报,
最低0.47元/天 解锁文章
285
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
