基于机器学习的建筑能耗SVM模型降阶分析与研究

作     者：赵绍东 ZHAO Shaodong

作者机构：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 

基　　金：天津市应用基础与前沿技术研究计划资助项目(14JCYBJC42600) 

出 版 物：《天津科技大学学报》 (Journal of Tianjin University of Science & Technology)

年 卷 期：2021年第36卷第1期

页      码：56-61页

摘      要：在建筑能耗预测模型训练中,选定的特征在某些环境下很难保证预测结果的实效性和准确性.如何科学合理地选择适合建筑本身属性的特征子集用于模型学习,在机器学习研究领域中一直备受研究者的青睐.基于解决使用不同的特征集会改变模型的精度性能和学习速度等问题,本文提出一种“探索式”方法用于特征子集选择,并针对它是如何影响模型的性能进行一系列的实验和系统分析,探索一种足够简单且实用,同时又可以在实践中容易获取和准确记录的特征集.基于选取出的3个数据集,利用径向基函数核和多项式函数核对模型进行训练,通过特征选择前后模型性能的数据比较分析发现所采用的方法对模型的预测精度具有一定的提升作用.

主 题 词：建筑能耗 机器学习 SVM模型 模型降阶 

学科分类：08[工学] 081304[081304] 0813[工学-化工与制药类] 

D　O　I：10.13364/j.issn.1672-6510.20190233

馆 藏 号：203102045...