【技术实现步骤摘要】
本专利技术涉及智能建筑，具体为基于集成学习的多源域迁移建筑能耗异常检测方法。
技术介绍
1、集成学习是一种机器学习方法，它通过一个有效的规则将多个不同的弱模型组合在一起，从而提高整体性能。在迁移学习的框架下，使用集成学习来整合不同源领域上训练的模型；
2、迁移学习作为机器学习的一个重要分支，为解决这一问题提供了思路。迁移学习是将从一个领域学到的知识应用到另一个领域,通过利用相似场景的数据来辅助训练新场景下的检测模型，取得了显著的成果。然而，当前研究大多聚焦于同一类型或同一地区的单一来源建筑的迁移学习，忽略了不同来源建筑之间的分布差异可能导致的域偏移问题。
3、随着建筑智能化技术的发展，能耗异常检测成为研究重点。然而新的场景中往往缺乏历史数据导致依赖一定数量数据的异常检测方法无法工作，为此，提出基于集成学习的多源域迁移建筑能耗异常检测方法。
技术实现思路
1、本专利技术的目的在于提供基于集成学习的多源域迁移建筑能耗异常检测方法，以解决上述
技术介绍
中提出的问题。
【技术保护点】
1.基于集成学习的多源域迁移建筑能耗异常检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于集成学习的多源域迁移建筑能耗异常检测方法，其特征在于：在S1中，所述源域数据和目标域数据中，分别为有源域DS和目标域DT；所述域D的计算公式为：
3.根据权利要求2所述的基于集成学习的多源域迁移建筑能耗异常检测方法，其特征在于：在S2中，所述Ds和DT之间的MMD计算公式为：
4.根据权利要求3所述的基于集成学习的多源域迁移建筑能耗异常检测方法，其特征在于：在S3中，包括如下子步骤：
5.根据权利要求4所述的基于集成...
【技术特征摘要】
1.基于集成学习的多源域迁移建筑能耗异常检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于集成学习的多源域迁移建筑能耗异常检测方法，其特征在于：在s1中，所述源域数据和目标域数据中，分别为有源域ds和目标域dt；所述域d的计算公式为：
3.根据权利要求2所述的基于集成学习的多源域迁移建筑能耗异常检测方法，其特征在于：在s2中，所述ds和dt之间的mmd计算公式为：
4.根据权利要求3所述的基于集成学习的多源域迁移建筑能耗异常检测方法，其特征在于：在s3中，包括如下子步骤：
5.根据权利要求4所述的基于集成学习的多源域迁移建筑能耗异常检测方法，其特征在于：在s4中，将集成学习与强化学习相结合，实现多源多模型的强化集成；
6.根据权利...
【专利技术属性】
技术研发人员：陆悠，张哲，傅启明，陈建平，许犇，陈晨，
申请(专利权)人：苏州科技大学，
类型：发明
国别省市：
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。