《建築能耗分析中的數據挖掘與機器學習》是2018年7月機械工業出版社出版的圖書，作者是弗雷德里克.馬爾古斯。
基本介紹
- 書名：建築能耗分析中的數據挖掘與機器學習
- 作者：弗雷德里克.馬爾古斯
- 出版社：機械工業出版社
- 出版時間：2018年7月
- 定價：45 元
- 開本：16 開
- 裝幀：平裝
- ISBN：9787111602675
內容簡介,作者簡介,圖書目錄,
內容簡介
建築的能源性能受很多因素的影響，本書針對建築的複雜特性，重點研究用新的數據挖掘和機器學習方法來對建築能耗進行準確的預測、分析或者故障檢測/診斷。本書涉及建築能耗分析的建模及用於模型降階與並行計算的技術和相關算法，同時提出了新的算法用於能耗分析預測及建築能耗故障檢測/診斷，既有一定的理論深度，又有較好的套用寬度。我國建築能耗占社會總能耗很大的比例，目前對建築能耗分析的理論、技術和方法所做的研究工作與國際先進水平有相當大的差距，在實際建築中實施建築能耗管理與分析的水平也較低。因此，當前特別迫切需要學習並借鑑國外在建築能耗管理、最佳化控制與評估上的先進理論、技術與實施經驗。 本書很好地填補了我國在建築能耗相關領域的研究與套用的空白，對從事能源管理和能源效率的知識發現和數據挖掘研究領域的工程師有很大的吸引力，本書提出的算法對與建築能耗分析相關的工程領域的研究生有很好的借鑑作用，對設計建築的工程師也有很好的指導作用。後，對於建築能耗的預測分析對我國的建築能耗管理也有很好的促進作用。
作者簡介
陳一民 美國德雷塞爾大學博士，主要研究方向：建築HVAC AFDD、建築節能、模型預測控制在建築節能中的管理。之前在國內期間多年從事高等學校計算機控制技術、自動控制原理等課程的理論與實踐教學工作，從事建築能源最佳化與管理、建築空調設備最佳化運行、現場匯流排產品的研發與相關項目科研工作。參加“十一五國家科技支撐項目”一項，參加省部級項目多項。近幾年發表教學科研論文十餘篇；參與編寫圖書6本，累計30餘萬字；參與翻譯圖書4本，累計60餘萬字。史曉霞 博士，副教授，北京建築工程學院自動化系，主要研究人工智慧和神經網路方向，出版作品：神經網路在套用科學和工程中的套用——從基本原理到複雜的模式識別、電路分析基礎教程、新視野單片機教程、人工智慧中的圖表推理。
圖書目錄
譯者序
原書序
原書前言
第 1章 建築能耗分析概述 //1
1.1 簡介 //1
1.2 物理模型 //2
1.3 灰色模型 //3
1.4 統計模型 //4
1.5 人工智慧模型 //5
1.5.1 神經網路 // 5
1.5.2 SVM // 7
1.6 現有模型的比較 //8
1.7 小結 //9
第2章 建築能源分析的數據採集 //10
2.1 簡介 //10
2.2 調查或問卷調查 //10
2.3 測量 //12
2.4 仿真 //14
2.4.1 仿真軟體 // 15
2.4.2 仿真過程 // 16
2.5 數據不確定性 //19
2.6 校準 //20
2.7 小結 //21
第 3章 人工智慧模型 //23
3.1 簡介 //23
3.2 ANN //24
3.2.1 單層感知器 // 24
3.2.2 前饋神經網路 // 25
3.2.3 RBF網路 // 26
3.2.4 RNN // 27
3.2.5 RDP // 28
3.2.6 神經網路的套用 // 30
3.3 SVM //31
3.3.1 SVC // 31
3.3.2 ε-SVR // 34
3.3.3 一類 SVM // 36
3.3.4 多類 SVM // 37
3.3.5 ν-SVM // 38
3.3.6 直推式 SVM // 39
3.3.7 二次型問題求解器 // 40
3.3.8 SVM的套用 // 46
3.4 小結 //47
第 4章 建築能耗分析中的人工智慧 //48
4.1 簡介 //48
4.2 建築能耗預測中的 SVM //48
4.2.1 能耗預測定義 // 48
4.2.2 實際問題 // 49
4.2.3 SVM用於預測 // 52
4.3 神經網路用於故障檢測和診斷 //56
4.3.1 故障描述 // 58
4.3.2 故障檢測中的 RDP // 58
4.3.3 故障診斷中的 RDP // 61
4.4 小結 //63
第 5章 SVM的模型降階 //64
5.1 簡介 //64
5.2 模型降階概述 //64
5.2.1 包裝器方法 // 65
5.2.2 濾波器方法 // 65
5.2.3 嵌入式方法 // 66
5.3 模型降階用於能耗 //66
5.3.1 簡介 // 66
5.3.2 算法 // 67
5.3.3 特徵集描述 // 68
5.4 獨棟建築能耗的模型降階 //69
5.4.1 特徵集選擇 // 69
5.4.2 實驗評價 // 71
5.5 多棟建築能耗的模型降階 //72
5.6 小結 //74
第 6章 SVM的並行計算 //75
6.1 簡介 //75
6.2 並行 SVM概述 //75
6.3 並行二次問題求解器 //76
6.4 基於 MPI的並行 SVM //78
6.4.1 信息傳遞接口編程模型 // 78
6.4.2 Pisvm // 80
6.4.3 Psvm // 80
6.5 基於 MapReduce的並行 SVM //81
6.5.1 MapReduce編程模型 // 81
6.5.2 緩衝技術 // 82
6.5.3 稀疏數據表示 // 83
6.5.4 MRPsvm和 Pisvm的比較 // 83
6.6 基於 MapReduce的並行ε-SVR //85
6.6.1 實施方面 // 85
6.6.2 能耗數據集 // 86
6.6.3 建築能耗預測評價 // 87
6.7 小結 //89
第 7章 建築能耗分析的總結與展望 //90
參考文獻 //92
