科研之友
微信
新浪微博
Facebook
分享链接
摘要
发明公开了一种基于聚类和自适应梯度提升决策树的预测方法,通过MRGALnet模型对原始数据进行预处理,删除缺失数据、无效数据和异常数据,再进行MI+RFE两步特征选择,筛选出与建筑能耗相关性强的特征,然后对筛选之后的建筑数据利用高斯混合模型进行分类,将能耗数据相似的建筑划分到同一类；并基于AR自适应损失函数设计ALGBM预测方法,该方法可以根据不同聚类的能耗数据自适应的确定损失函数超参数,再利用AR损失函数对预测误差进行修正以提高模型预测性能,发明公开了一种基于聚类和自适应梯度提升决策树的建筑能耗预测方法,通过结合MI、REF、高斯混合聚类和ALGBM,进一步提高预测精度和收敛速度,从而提高模型预测精度。
- 出版日期2023-3-27
- 单位武汉科技大学
