基于数据驱动的建筑能耗评价方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文主要工作和结构安排 | 第15-17页 |
| 第二章 建筑能耗评价方法相关技术 | 第17-26页 |
| 2.1 敏感性分析 | 第17-19页 |
| 2.2 聚类分析 | 第19-26页 |
| 2.2.1 聚类分析算法的基本定义 | 第20页 |
| 2.2.2 常用聚类算法模型和评价方法 | 第20-26页 |
| 第三章 基于数据驱动的建筑能耗基准评价方法 | 第26-47页 |
| 3.1 问题描述 | 第26-27页 |
| 3.2 算法设计 | 第27-38页 |
| 3.2.1 数据清洗与统计分析 | 第28-30页 |
| 3.2.2 敏感性分析 | 第30-33页 |
| 3.2.3 建筑分类 | 第33-36页 |
| 3.2.4 基准评价及模型评价 | 第36-38页 |
| 3.3 实验与分析 | 第38-46页 |
| 3.3.1 数据描述 | 第38-41页 |
| 3.3.2 实验设计 | 第41页 |
| 3.3.3 结果分析 | 第41-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于聚类联合策略的社区用电量需求预测 | 第47-59页 |
| 4.1 问题描述 | 第47-48页 |
| 4.2 策略设计与分析 | 第48-53页 |
| 4.2.1 评估指标 | 第48-49页 |
| 4.2.2 预测方法 | 第49-52页 |
| 4.2.3 基于聚类的联合预测策略 | 第52-53页 |
| 4.3 试验与分析 | 第53-58页 |
| 4.3.1 数据描述 | 第53页 |
| 4.3.2 实验设计 | 第53-54页 |
| 4.3.3 结果分析 | 第54-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-68页 |
| 致谢 | 第68页 |
