数据不足条件下办公建筑空调系统能耗预测研究

DONG Zhen-xiang,LIU Bin,LIU Jiang-yan,LI Kui-ning,LI Xin,GUO Xiao-min

Building Energy & Environment（2022）

引用 0|浏览7

暂无评分

摘要

针对机器学习模型训练数据不足的问题,本文提出了一个两阶段集成学习预测模型.该方法能够充分提取样本数据的信息,从而实现较准确的能耗预测.模型第一阶段采用SVR与ANN算法建立两个子模型,第二阶段将子模型的预测情况作为新的特征用于建立最终的RF模型.研究结果表明,在20％数据可用性下,集成学习模型平均绝对百分比误差为15.5％.对比SVR,ANN和RF模型,该集成学习模型预测性能更好,更适宜工程实际应用.

查看译文

关键词

building air conditioning system,insufficient data,ensemble learning,energy consumption prediction

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要