基于特征集构建和机器学习的建筑冷热负荷预测研究

目录

第1章 绪论

1.1 研究背景

1.2 国内外研究现状

1.2.1负荷预测模型的输入特征集

1.2.2负荷模型的算法

1.3 研究的目的和意义

1.4 研究内容

第2章 超短期负荷预测模型的研究和设计

2.1 特征集构建

2.2 特征工程

2.2.1 相关性分析CA

2.2.2 主成分分析PCA

2.2.3 K-means聚类

2.2.4 滤波算法

2.2.5 离散小波变换DWT

2.2.6 经验模态分解EMD

2.3 预测算法

2.3.1 CatBoost算法

2.3.1 DNN算法

2.4 评价指标

2.5 本章小结

第3章 案例建筑基本信息及调研测试

3.1 测试目的

3.2 案例建筑基本信息

3.3 调研工作内容

3.4 测试仪器

3.5 调研周期和间隔

3.6 本章小结

第4章 超短期热负荷预测模型开发

4.1 超短期热负荷预测模型输入特征集

4.2 特征集构造技术对预测精度的影响

4.3 变量对热负荷影响程度的分析

4.4 算法对应的最小特征集

4.5 本章小结

第5章 超短期冷负荷预测模型开发

5.1 超短期冷负荷预测模型输入特征集

5.2 特征集构造技术对预测精度的影响

5.3变量对冷负荷影响程度的分析

5.4 算法对应的最小特征集

5.5 本章小结

第6章 结论与展望

6.1结论

6.2展望

参考文献

发表论文和参加科研情况说明

致谢