數(shù)據(jù)挖掘在短期空調(diào)負(fù)荷預(yù)測中的應(yīng)用研究.pdf

1、可靠的空調(diào)系統(tǒng)負(fù)荷預(yù)測是實(shí)現(xiàn)空調(diào)系統(tǒng)高效節(jié)能的重要基礎(chǔ)。空調(diào)系統(tǒng)負(fù)荷預(yù)測是根據(jù)空調(diào)系統(tǒng)負(fù)荷特性的真實(shí)情況，利用一定的數(shù)學(xué)理論和計算方法，采用合適的模型，取得較為準(zhǔn)確的負(fù)荷預(yù)測效果。實(shí)際工作中對空調(diào)負(fù)荷歷史數(shù)據(jù)的采集通常存在著含有噪聲、并帶有隨機(jī)性等問題，此外預(yù)測模型自變量的選取往往缺乏依據(jù)。這些問題勢必會影響空調(diào)系統(tǒng)負(fù)荷預(yù)測模型的泛化能力，進(jìn)而影響該模型的預(yù)測精度。為提高預(yù)測模型的泛化能力，需要對空調(diào)負(fù)荷歷史數(shù)據(jù)進(jìn)行預(yù)處理。
　　

2、本文首先針對空調(diào)系統(tǒng)信息采集過程產(chǎn)生的離群不良數(shù)據(jù)的問題，構(gòu)建了不良數(shù)據(jù)清洗模型，采用Kohonen網(wǎng)絡(luò)聚類并提取空調(diào)負(fù)荷特征曲線，采用超圓神經(jīng)網(wǎng)絡(luò)定位并識別不良數(shù)據(jù)點(diǎn)，經(jīng)過數(shù)據(jù)調(diào)整后有效改善了空調(diào)負(fù)荷歷史數(shù)據(jù)的質(zhì)量。針對負(fù)荷預(yù)測的自變量高維度且冗余難以選取的問題，對自變量相關(guān)因素進(jìn)行相關(guān)性分析與主成分分析，合理地減少了預(yù)測模型的輸入維數(shù)，從而解決了模型預(yù)測中的過擬合問題。
　　最后針對傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型預(yù)測容易出現(xiàn)局部收斂且精度較