基于支持向量机的夏热冬冷地区农村住宅能耗混合预测模型

摘要

针对夏热冬冷地区农村住宅建筑能耗预测困难的问题，提出一种基于支持向量机（support vector machine,SVM）的混合预测模型。通过采集典型农村住宅的建筑参数、气象参数、行为参数、设备参数及年能耗数据构建初始数据集，采用包含显著性分析、共线性分析、随机森林敏感性分析和后向逐步回归方法的递进筛选框架，从29个候选变量中筛选出10个关键变量，显著降低模型复杂度。通过融合白箱模型理论计算数据与黑箱模型实测数据构建SVM的预测混合模型，并采用基于网格搜索与交叉验证的联合策略优化模型关键参数以提高模型性能。验证结果表明：本文模型决定系数（R²）为0.914，均方根误差变异系数（CVRMSE）为0.163，在保证预测精度的同时实现了模型复杂度的最优平衡。本研究提出的变量筛选与数据融合策略,有效解决了该地区农村住宅因设计参数缺失和能耗数据不足导致的预测难题。

关键词

农村住宅 / 夏热冬冷地区 / 变量筛选 / 支持向量机 / 能耗预测 / 混合模型 / 机器学习 / 建筑能效

基金资助

国家自然科学基金项目(51608001)