基于稀疏自编码特征提取的建筑逐时耗热量预测模型的性能提升

作     者：袁大昌 史艳霞 高俊楠 YUAN Dachang;SHI Yanxia;GAO Junnan

作者机构：天津大学城市规划设计研究院天津300110 天津中德应用技术大学天津300350 天津大学天津300350 

基　　金：国家重点研发课题“基于县域控碳体系的数据驱动型规划设计技术集成与示范应用”(2018YFC0704706) 

出 版 物：《建筑科学》 (Building Science)

年 卷 期：2020年第36卷第8期

页      码：1-6,49页

摘      要：预测模型的输入特征变量对建筑耗热量预测性能具有较大的影响,为了进一步改进输入特征变量的选取,本文提出了稀疏自编码(SAE)方法对历史耗热量数据进行特征提取,并通过对比常规的线性化特征提取方法(主成分分析,PCA),分析了SAE特征提取方法分别对MLR、ANN和SVM预测模型精度的提升。应用某居住建筑实测数据对该方法进行了实验验证,结果表明:在测试数据集中,使用SAE方法提取到的特征值作为模型输入变量,MLR、ANN和SVM3个模型的预测性能均得到提升,相比于利用PCA特征提取的方法,CV值分别降低了3.8%、4.1%和4.2%。此外,SAE方法对模型性能的提升还表现在模型泛化性能地增强,在测试样本中的表现优于在训练样本中的表现。

主 题 词：特征提取 稀疏自编码 耗热量预测 支持向量机 机器学习 

学科分类：080705[080705] 08[工学] 0807[工学-电子信息类] 

D　O　I：10.13614/j.cnki.11-1962/tu.2020.08.01

馆 藏 号：203968465...