【技术实现步骤摘要】
本专利技术涉及建筑能耗数据处理，具体是指基于人工智能的建筑能耗预测方法。
技术介绍
1、当前社会随着经济发展和城镇化推进，人们生活水平日益提高，对于城市公共建筑的使用率上升，能耗规模扩大，建筑能源消耗趋势受到了越来越多的关注。对于城市管理者需要知道未来一段时间的建筑能耗数据，以便采取相应措施提高建筑能源效率，实现节能减排的目的。但是一般建筑能耗预测方法存在数据处理和分析的准确性差、效率低下和主观性强的问题；一般建筑能耗预测方法存在内置参数设置不当的问题。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了基于人工智能的建筑能耗预测方法，针对一般信息整理方法存在数据处理和分析的准确性差、效率低下和主观性强的问题，本方案通过构建特征距离公式带来更加精准的数据度量和分析结果，提高数据处理的效率和准确性，有助于实现更好的数据挖掘、分类、聚类和识别应用，提高聚类质量；针对聚类方法中存在内置参数设置不当，导致聚类结果的不稳定，从而影响聚类结果的质量的问题，本方案采用多项式曲线和数学...
【技术保护点】
1.基于人工智能的建筑能耗预测方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的基于人工智能的建筑能耗预测方法，其特征在于：在步骤S4中，构建特征距离公式；包括以下步骤：
3.根据权利要求1所述的基于人工智能的建筑能耗预测方法，其特征在于：在步骤S5中，获取算法最优超参数；包括以下步骤：
4.根据权利要求1所述的基于人工智能的建筑能耗预测方法，其特征在于：在步骤S3中，所述去除异常值具体包括以下步骤：
5.根据权利要求1所述的基于人工智能的建筑能耗预测方法，其特征在于：在步骤S2中，所述数据预处理并转换，用...
【技术特征摘要】
1.基于人工智能的建筑能耗预测方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的基于人工智能的建筑能耗预测方法，其特征在于：在步骤s4中，构建特征距离公式；包括以下步骤：
3.根据权利要求1所述的基于人工智能的建筑能耗预测方法，其特征在于：在步骤s5中，获取算法最优超参数；包括以下步骤：
4.根据权利要求1所述的基于人工智能的建筑能耗预测方法，其特征在于：在步骤s3中，所述去除异常值具体包括以下步骤：
5.根据权利要求1所述的基于人工智能的建筑能耗预测方法，其特征在于：在步骤s2中，所述数据预处理并转换，用于对采集到历史建筑能耗数据和实时建筑能耗数据文档进行数据预处理并转换，具体包括以下步骤：
6.根据权利要求1所述的基于人工智能的建筑能耗预测方法，其特征在于：在步骤s6中，所述聚类，用于对不包括能耗等级的历...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。