[发明专利]基于层次聚类和神经网络的负荷预测输入特征筛选方法

摘要

本发明公开了一种基于层次聚类和神经网络的负荷预测输入特征筛选方法，该方法利用层次聚类分析将包括负荷预测的原始数据集进行聚类，将数据集根据其特征分为不同的类，对每一类中的特征进行分析，利用神经网络对每一类中的不同特征的预测效果进行分析，最终剔除预测效果较差的特征，得到最终优化的建筑负荷预测的输入特征集。本发明可以对冗杂的负荷预测输入数据集进行筛选，降低负荷预测的复杂性，提高负荷预测的计算速度，同时保留数据集中的有效特征，保证负荷预测的准确性。

主权项

1.基于层次聚类和神经网络的负荷预测输入特征筛选方法，其特征在于，包括以下步骤：1)对负荷预测的原始数据进行层次聚类分析，得到负荷预测输入数据的有层次的嵌套聚类树；2)根据层次聚类中的簇间距离确定建筑负荷预测输入参数聚类簇个数；3)利用神经网络对每一类的数据中不同参数的预测效果进行判断，剔除预测较差的参数，得到优化的负荷预测输入特征集。