一种用于建筑负荷预测的数据完备性检验与特征学习方法

摘要

本发明公开了一种用于建筑负荷预测的数据完备性检验与特征迁移学习方法，包括以下步骤：提出基于扩散核密度估计与最大相关最小冗余的特征筛选方法，确定不同负荷预测模型下的最佳特征集，通过新特征集与最佳特征集特征间相关性和特征分布相似性的判定，建立数据集特征完备性检验的方法；建立特征迁移的负荷预测模型。本发明可以解决由于数据特征不完备所造成的建筑负荷预测精度下降的问题，在模型的输入产生微小的变化时仍然能够保持预测结果的稳定，同时降低了建筑负荷预测模型的计算复杂度。本发明表现出的效果为大幅提升建筑负荷预测精度，增强负荷预测模型的鲁棒性，减少计算时长。