期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于MDLOF-iForest和M‑KNN‑Slope的公共 建筑负荷异常数据识别与修复 被引量：1
1
作者 刘一宁 陈柏安 +2 位作者 杜鹏程 林晓刚 江美慧 《综合智慧能源》 2025年第3期62-72,共11页
在公共建筑能耗研究中,对异常负荷值进行识别与修复是不可或缺的数据处理环节。针对现有方法的局限性,提出一种基于马氏距离局部离群因子-孤立森林(MDLOF-iForest)算法和考虑斜率的K近邻改进(M‑KNN‑Slope)算法的负荷异常数据识别与修复... 在公共建筑能耗研究中,对异常负荷值进行识别与修复是不可或缺的数据处理环节。针对现有方法的局限性,提出一种基于马氏距离局部离群因子-孤立森林(MDLOF-iForest)算法和考虑斜率的K近邻改进(M‑KNN‑Slope)算法的负荷异常数据识别与修复方法。MDLOF-iForest算法在传统局部离群因子算法中引入马氏距离,提高了模型对数据特征间关联性的感知能力,同时将MDLOF算法与iForest算法的优势相结合,快速准确识别出异常数据。M‑KNN‑Slope算法利用异常数据与正常数据负荷趋势线特征相似的邻居,得到相似趋势线斜率加权平均值,完成对异常数据的修复,减少对样本数据的依赖。通过对南宁市一栋办公和一栋商业公共建筑2024年8—11月负荷数据的验证,修复后90%左右数据与正确数据差值在10%以内,且相较一般算法,M‑KNN‑Slope算法能够获得更多误差在5%以内的数据。分别利用极端梯度提升、长短期记忆网络、反向传播神经网络、支持向量机对修复前后的数据进行预测,均方根值分别降低了5.02%~17.83%,绝对平均误差分别降低了2.44%~13.34%。 展开更多
关键词 公共建筑能耗 负荷数据集 异常数据识别 异常数据修复 马氏距离局部离群因子-孤立森林算法 考虑斜率的K近邻改进算法
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部