數(shù)據(jù)挖掘技術(shù)在建筑能耗數(shù)據(jù)分析中的應(yīng)用研究.pdf

1、隨著我國城鎮(zhèn)化的加快以及人們生活水平的提高，我國建筑能耗已約占社會總能耗的33％[1]，因此減少建筑能耗對建立節(jié)約型社會具有重要意義。越來越多的建筑能耗數(shù)據(jù)被采集并存儲到建筑能耗監(jiān)管平臺數(shù)據(jù)庫中，但是傳統(tǒng)的建筑能耗監(jiān)測方法難以有效地發(fā)現(xiàn)能耗數(shù)據(jù)特點以及能耗數(shù)據(jù)之間的潛在關(guān)系，對異常能耗數(shù)據(jù)的判斷缺乏準(zhǔn)確性。單一的建筑能耗智能分析方法對建筑能耗分析的準(zhǔn)確率不高。
　　在分析建筑能耗特點以及現(xiàn)有能耗分析方法基礎(chǔ)上，提出了基于多種數(shù)據(jù)挖

2、掘方法的建筑能耗數(shù)據(jù)分析的集成智能方法，即IIT方法。通過集成優(yōu)選出的分類、離群點分析、關(guān)聯(lián)分析以及預(yù)測等數(shù)據(jù)挖掘相關(guān)算法，以挖掘蘊含在建筑能耗數(shù)據(jù)中有價值的知識。IIT方法中的聚類算法構(gòu)建建筑物的能耗模式;IIT方法中的離群點分析算法在建筑能耗數(shù)據(jù)模式分類基礎(chǔ)上實現(xiàn)能耗數(shù)據(jù)異常判斷；IIT方法中的關(guān)聯(lián)分析算法可發(fā)現(xiàn)影響能耗的重要因素;IIT方法中的預(yù)測算法可對未來的建筑能耗進行預(yù)測。將IIT方法分別與LOF離群點算法和BP神經(jīng)網(wǎng)絡(luò)算法

3、進行對比實驗，IIT方法相比LOF離群點算法，對于異常數(shù)據(jù)識別的準(zhǔn)確率提高62.9%；IIT方法相比BP神經(jīng)網(wǎng)絡(luò)算法，對能耗預(yù)測的準(zhǔn)確率提高13.85%。實驗結(jié)果表明，IIT方法相對于單一的建筑能耗智能分析方法，能夠更準(zhǔn)確地分析建筑能耗歷史數(shù)據(jù)。
　　為了更好的驗證IIT方法的有效性，依托某高校能耗監(jiān)管平臺，開發(fā)了建筑能耗數(shù)據(jù)智能分析系統(tǒng)。該系統(tǒng)分為建筑能耗模式分類模塊、建筑能耗離群點分析模塊、建筑能耗關(guān)聯(lián)分析模塊以及建筑能耗預(yù)測