公共建筑空调用电能耗数据预处理方法研究

目录

声明

第1章 绪 论

1.1 研究背景与意义

1.2.1 数据填补的国外研究现状

1.2.2 数据填补的国内研究现状

1.3本文研究思路和结构

第2章 缺失数据和异常数据识别

2.1数据集中缺失数据识别

2.2数据集中异常数据识别

2.2.1异常数据类型和识别方法

2.2.2确定 k-means聚类中心的方法

2.2.3实验与结果分析

2.3本章小结

第3章 空调运行模式识别及填补方法选择

3.1 建筑空调运行模式识别

3.1.1建筑空调运行模式分类和方法

3.1.2 某建筑空调运行模式识别应用

3.2填补空调用电能耗数据的方法

3.2.1与冷热负荷相关用电能耗数据填补方法

3.2.2与冷热负荷无关用电能耗数据填补方法

3.3本章小结

第4章 冷热负荷相关空调用电能耗数据填补模型

4.1 填补算法输入参数的选择

4.1.1室内和室外输入参数的选择

4.1.2对比验证输入参数的选择

4.2反向传播神经网络（BPNN）

4.2.1 BPNN数学机理模型

4.2.2 BPNN预测模型的实现

4.3 基于粒子群优化支持向量机回归（POS-SVR）模型

4.3.1 SVR数学模型

4.3.2 粒子群优化SVR超参数

4.3.3 SVR预测模型的实现

4.4 基于BP-POS·SVR-BP的混合模型

4.5三种模型预测结果对比分析

4.5.1性能评价标准模型

4.5.2预测结果对比分析

4.6本章小结

第5章 冷热负荷无关空调用电能耗数据填补方法

5.1 KNN回归算法模型

5.1.1 KNN回归算法介绍

5.1.2 KNN回归算法关键因素

5.2 基于KNN回归模型的填补实例

5.2.1构建数据矩阵

5.2.2 确定算法中的距离度量法则和k值

5.2.3 k个最近数据的平均值填补问题数据

5.3 KNN回归算法与其他算法结果对比分析

5.3.1 均值插补法和多重插补法简介

5.3.2 对比评价三种算法填补结果

5.4 本章小结

第6章 总结与展望

6.1 全文总结

6.2 工作展望

参考文献

致谢

攻读硕士期间论文发表及科研情况