| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 建筑能耗数据预处理研究现状 | 第13-15页 |
| 1.2.2 建筑能耗预测研究现状 | 第15-17页 |
| 1.2.3 关联规则分析及能效管理研究现状 | 第17-18页 |
| 1.3 课题研究的主要内容 | 第18-20页 |
| 第2章 建筑能耗缺失数据处理 | 第20-28页 |
| 2.1 缺失数据填补方法原理介绍 | 第21-23页 |
| 2.1.1 相关性分析 | 第21页 |
| 2.1.2 马氏距离 | 第21-22页 |
| 2.1.3 信息熵 | 第22-23页 |
| 2.2 滑动窗口平均法 | 第23-24页 |
| 2.3 基于马氏距离的k均值填充法 | 第24-26页 |
| 2.4 实验仿真及结果分析 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 建筑能耗异常值检测 | 第28-44页 |
| 3.1 异常数据检测算法原理介绍 | 第28-34页 |
| 3.1.1 COF算法原理 | 第28-30页 |
| 3.1.2 OPTICS算法 | 第30-34页 |
| 3.2 LODCD算法 | 第34-37页 |
| 3.2.1 基于聚类算法的非离群数据筛选 | 第34-35页 |
| 3.2.2 基于信息熵的属性选取 | 第35-36页 |
| 3.2.3 计算LCOF值 | 第36-37页 |
| 3.3 仿真实验与分析 | 第37-43页 |
| 3.3.1 模拟数据集 1：数据分布稀疏但呈现一定的模式 | 第37-40页 |
| 3.3.2 模拟数据集 2：不同密度的数据相互靠近 | 第40-41页 |
| 3.3.3 网络入侵数据集 | 第41-42页 |
| 3.3.4 公共建筑能耗数据集 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 建筑能耗预测 | 第44-58页 |
| 4.1 建筑能耗决策树模型 | 第44-50页 |
| 4.1.1 决策树算法概述 | 第44-46页 |
| 4.1.2 C4.5 算法 | 第46-47页 |
| 4.1.3 决策树预测模型的建立 | 第47-49页 |
| 4.1.4 基于决策树算法的能耗回归预测模型 | 第49-50页 |
| 4.2 基于主成分分析的能耗预测模型 | 第50-55页 |
| 4.2.1 主成分分析 | 第50-52页 |
| 4.2.2 能耗数据主成分分析 | 第52-54页 |
| 4.2.3 基于主成分分析的决策树预测模型 | 第54-55页 |
| 4.3 仿真实验与分析 | 第55-57页 |
| 4.3.1 建筑能耗决策树预测模型评价 | 第55-56页 |
| 4.3.2 建筑能耗回归预测模型评价 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 基于关联规则挖掘的公共建筑能效管理 | 第58-70页 |
| 5.1 关联挖掘算法 | 第58-60页 |
| 5.1.1 关联规则挖掘基本概念 | 第58-59页 |
| 5.1.2 Apriori算法基本步骤 | 第59-60页 |
| 5.2 公共建筑关联规则挖掘 | 第60-66页 |
| 5.2.1 能耗数据关联规则挖掘 | 第61-63页 |
| 5.2.2 能耗数据动态关联规则挖掘 | 第63-66页 |
| 5.3 公共建筑能效仿真分析 | 第66-68页 |
| 5.3.1 仿真模型 | 第66-67页 |
| 5.3.2 能效分析 | 第67-68页 |
| 5.4 本章小结 | 第68-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70页 |
| 6.2 展望 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间论文发表及科研情况 | 第79页 |