基於資料探勘的建築能耗評價研究

John  E.  Seem 基於建築能耗逐日資料，通過與歷史用能情況相比，來判別對於特定某一天的建築能耗是否存在異常；並通過歷史能耗資料的平均值和標準差，來確定異常能耗與正常能耗的差異程度

Imran  Khan 和 Alfonso  Capozzoli 將資料探勘方法應用於建築照明逐時能耗資料中，通過決策樹、聚類演算法及異常點判別方法，判別建築執行過程中的照明用能是否異常
 
重慶大學肖丹通過資料探勘方法，提出了針對公共建築整體用能的監測、預測及評價模型：監測模型是先利用聚類演算法發現出總能耗的執行模式，再將其結果作為訓練樣本建立決策樹，以此判別實時資料對應的模式，並與相同判別結果對應的歷史資料對比進行異常點判別；能耗預測模型是利用 RBF 網路，以歷史資料作為輸入量，對建築總能耗進行預測；能耗評價模型是以已有的建築作為訓練樣本建立 RBF 網路，以建築基本資訊作為輸入量，得到待評價建築的總能耗預測值，再將能耗實際值與預測值對比，從而評價建築總能耗的偏離方向和程度。
 
北京工業大學韓連華提出了基於投票方式的建築用能評價模型，該模型是在逐步迴歸法、關聯規則發現、分類挖掘演算法的基礎上，通過“投票”決定建築總能耗的評價結果。其中，關聯規則挖掘方法是以建築的基本資訊作為條件變數，建築的能耗作為目標變數，將樣本建築的用能資料作為研究物件，從而尋找強關聯規則，以此來預測待評價建築的總能耗，再將建築總能耗的實際值與預測值通過比較以給出評價結果

基於資料探勘的建築能耗分析研究

John  E.  Seem 對建築在一週中每天用能的模式進行識別，先通過特性轉換消除季節性變化的影響，再用離群值單變數和多變數分析法去除異常點，最後通過改進的層次聚類法確定具體能耗模式類別 

Jerry Yu 和 Fariborz  Haghighat 對住宅建築的末端能耗資料進行分析，以識別並改進居民的日常行為模式；首先通過聚類分析和分類分析判別出居民高耗能行為的大體類別，然後再應用關聯規則挖掘發現居民具體的高耗能行為。該方法還被應用於日本的實際住宅群中，從而識別出住宅建築中居民需要修改的行為，為

其節能提供了具體方向

鄭曉衛等結合統計方法與資料探勘，以上海的部分商用建築為研究物件，首先通過迴歸歸因法處理資料缺失，並對異常點進行檢測，最後由逐步迴歸法建立出預測模型，以得到此類建築在一年中的單位面積能耗

同濟大學劉丹丹和陳啟軍進行了建築照明能耗、辦公裝置能耗逐時資料的統計，並分析得到辦公裝置能耗與辦公人數線性相關，照明能耗與辦公人數、太陽輻射強度呈非線性相關，在此基礎上分別利用線性迴歸、決策樹方法，建立了建築逐時照明能耗、辦公裝置能耗的預測模型

清華大學王鑫在公共建築分項計量能耗資料的基礎上，提出了“最優化調整法”以解決能耗拆分問題；並結合實際應用案例，對節能診斷中分項能耗資料的分析方法進行研究，提出了三類診斷分析方法：波形特徵值法、擬合引數法、效率指標法
 
重慶大學劉文鳳將 Chameleon 聚類演算法應用於公共建築能耗，從而分析在執行過程中建築總能耗隨時間的分佈規律，並將該演算法嵌入資料探勘工具 Weka 系統，在二次開發的平臺上對建築的整體能耗進行初步分析

 

國際上應用資料探勘對建築能耗進行分析的研究已取得了一定的成果。1996年，Terry Sharp 建立了逐步線性迴歸模型用來識別高耗能建築，並且成功應用到辦公建築和商業建築上；1998 年，這一模型又被他成功應用於教學建築上
。至此，逐步線性迴歸法得到了廣泛的應用。2002 年，Muller  W 和 Wiedethole  E研究瞭如何應用決策樹方法對建築能耗進行基準評價。2004 年，John E. Seem研究通過對歷史能耗資料進行聚類，以一週中的每一天為基本單位，發現建築物存在的能耗模式。2006 年，Melek Yalcintas 研究瞭如何應用神經網路建立模型進行能耗評價，使用熱地區的 60 多棟建築物的能耗資料對模型進行訓練和測試，其中 3/4 的資料作為訓練資料，其餘 1/4 作為測試資料。最後，建立了一元線性迴歸方程擬合預測值與實際值，以相關係數作為評價標準衡量神經網路模型的效能。
2006 年，Geoffrey K.F.Tso.和 Kelvin K.W.Yau 從預測建築能耗值的角度出發，以住宅建築為研究物件，分夏季和冬季兩個時期應用決策樹、逐步迴歸和人工神經網路，分別建立了三個能耗預測模型，並以平均殘差平方和(RSS)
為標準對三種方法進行了比較評價。2007 年，John E. Seem 將基於統計的離群點檢測方法 GESR 應用於建築物歷史能耗資料中，成功檢測出執行過程中存在的能耗異常情況。2010 年，Xiao Li, Chris P. Bowers, Thorsten Schnier 先使用離群點檢測方法 GESR 剔除能耗異常的資料點，然後利用典型變數分析CVA對能耗資料進行了分類和預測。

參考文獻   基於資料探勘的醫院建築用能評價及分析    吳劍平   2015

                 公共建築能耗分析的資料探勘方法研究與系統開發       肖丹   2012