[发明专利]基于最小角回归和梯度提升模型的建筑能耗预测方法

摘要

本发明提出的基于最小角回归和梯度提升模型的建筑能耗预测方法，包括如下步骤：选取建筑能耗的相关影响因素作为模型的原始输入向量集，将建筑能耗作为模型的输出量，获得模型训练所需的数据集；对数据集进行预处理；利用最小角回归方法对高维的原始输入向量进行降维；将降维结果作为梯度提升模型的输入向量进行迭代训练，得到建筑能耗预测模型；利用得到的最小角回归和梯度提升模型对建筑能耗进行预测。本发明采用的基于最小角回归和梯度提升模型的建筑能耗预测方法，可以降低输入向量维数，提高建筑能耗的预测精度，对建筑能耗实现快速有效的预测。

主权项

1.基于最小角回归和梯度提升模型的建筑能耗预测方法，其特征在于，主要包括如下步骤：步骤S1：获取待预测建筑的建筑能耗值的历史样本数据，并将其作为原始输入向量集；步骤S2：对原始输入向量集进行归一化处理；步骤S3：通过最小角回归算法对原始输入向量集中的高维输入向量进行降维，提取原始输入向量集中的主要特征；步骤S4：采用分层交叉验证方法将S3得到的降维后的输入向量集进行训练集与测试集的分割，然后采用梯度提升回归模型对训练集进行训练，得到建筑能耗预测模型；步骤S5：获取待预测建筑的建筑能耗值的实时样本数据，并经过步骤S2与步骤S3处理后，输入经过步骤S4得到的建筑能耗预测模型，得到建筑能耗的预测值；步骤S6:采用均方误差、平均绝对百分比误差、拟合度和建筑能耗预测模型的运行时间作为建筑能耗预测模型的评估指标，其中，均方误差、平均绝对百分比误差越小表示预测效果越佳，拟合度越接近1表明预测值与真实能耗值越接近，在保证准确率的情况下，建筑能耗预测模型的运行时间越少表明其性能越好。