| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及研究意义 | 第12-13页 |
| 1.2 建筑节能领域的人行为研究现状 | 第13-16页 |
| 1.2.1 人行为建模方法研究现状 | 第13-15页 |
| 1.2.2 人行为数据采集方法研究现状 | 第15-16页 |
| 1.3 用能评价研究现状 | 第16-18页 |
| 1.4 本文主要研究内容及内容安排 | 第18-20页 |
| 第二章 房间能耗数据采集与数据预处理 | 第20-32页 |
| 2.1 大型办公建筑能耗监测系统 | 第20-21页 |
| 2.2 研究对象 | 第21-24页 |
| 2.2.1 建筑能耗监测系统架构 | 第21-22页 |
| 2.2.2 建筑房间信息统计 | 第22-23页 |
| 2.2.3 建筑分项能耗与房间能耗初步统计 | 第23-24页 |
| 2.3 数据挖掘步骤 | 第24-25页 |
| 2.4 数据预处理 | 第25-30页 |
| 2.4.1 数据清洗 | 第25-30页 |
| 2.4.2 数据转换 | 第30页 |
| 2.4.3 数据集成 | 第30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 房间日用能模式聚类分析 | 第32-45页 |
| 3.1 聚类分析概述 | 第32-33页 |
| 3.1.1 聚类的基本概念 | 第32-33页 |
| 3.1.2 聚类分析的主要步骤 | 第33页 |
| 3.2 聚类分析中的关键参数确定 | 第33-38页 |
| 3.2.1 日用能模式特征的选取 | 第33-34页 |
| 3.2.2 相似性度量距离的选择 | 第34-36页 |
| 3.2.3 聚类算法的选择 | 第36-37页 |
| 3.2.4 初步聚类数的确定 | 第37-38页 |
| 3.3 日用能模式的K-means聚类分析建模 | 第38-39页 |
| 3.4 日用能模式的聚类结果 | 第39-43页 |
| 3.4.1 日用能数据记录的平移处理 | 第39页 |
| 3.4.2 日用能模式初步聚类数的确定 | 第39-40页 |
| 3.4.3 日用能模式聚类结果的评估 | 第40-42页 |
| 3.4.4 聚类结果的解释 | 第42-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 房间日用能模式聚类结果分析 | 第45-66页 |
| 4.1 日用能模式聚类结果分析 | 第45-49页 |
| 4.1.1 日用能模式的不同表现形式 | 第45-46页 |
| 4.1.2 日用能模式与房间类型之间的关联关系 | 第46-48页 |
| 4.1.3 日用能模式与日期类型之间的关联关系 | 第48-49页 |
| 4.2 日用能模式的随机分布模型 | 第49-64页 |
| 4.2.1 “单峰”日用能模式的随机分布模型 | 第50-53页 |
| 4.2.2 “类M”日用能模式的随机分布模型 | 第53-56页 |
| 4.2.3 “M”日用能模式的随机分布模型 | 第56-61页 |
| 4.2.4 “平直”日用能模式的随机分布模型 | 第61-64页 |
| 4.3 日用能模式的应用 | 第64-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 房间用能评价研究 | 第66-84页 |
| 5.1 用能水平评价方法 | 第66-67页 |
| 5.2 能耗基准线 | 第67-75页 |
| 5.2.1 基于四分位法的各类房间不同用能模式能耗基准 | 第67-69页 |
| 5.2.2 基于聚类分析法的不同房间类型下的不同用能模式能耗基准 | 第69-71页 |
| 5.2.3 两种能耗基准比较 | 第71-73页 |
| 5.2.4 节能潜力估算 | 第73-75页 |
| 5.3 房间属性与高用能水平模式的多最小支持度关联规则挖掘 | 第75-82页 |
| 5.3.1 房间属性 | 第76-77页 |
| 5.3.2 多最小支持度和最小可信度的确定 | 第77-78页 |
| 5.3.3 关联规则挖掘结果 | 第78-82页 |
| 5.4 本章小结 | 第82-84页 |
| 结论 | 第84-86页 |
| 参考文献 | 第86-93页 |
| 攻读硕士学位期间取得的研究成果 | 第93-94页 |
| 致谢 | 第94-95页 |
| 附件 | 第95页 |
