基于数据驱动的地下车站能耗预测模型对比研究

基于数据驱动的地下车站能耗预测模型对比研究
王岩;苏子怡;李晓锋;王斌
【期刊名称】《都市快轨交通》
【年(卷),期】2022(35)3
【摘要】对比了最小二乘多元线性回归、岭回归、Lasso回归、随机森林、XGBoost在地下车站通风空调、垂直交通能耗预测领域的应用效果。

研究发现,对于地下车站通风空调和垂直交通能耗预测,各算法的均方根误差的变异系数(CV-RMSE)均在10%以下,可达到工程应用要求的精度。

其中,XGBoost算法在通风空调能耗预测中的CV-RMSE为5.1%,在垂直交通能耗预测中的CV-RMSE为5.4%,预测效果明显优于其他算法。

从计算成本来看,最小二乘回归、岭回归、Lasso回归算法计算成本较低,随机森林和XGBoost模型调参复杂、计算成本较高。

对比常用的数据驱动算法在地下车站能耗预测中的预测精度和计算成本,为地下车站模型的搭建提供算法参考。

【总页数】6页(P135-140)
【作者】王岩;苏子怡;李晓锋;王斌
【作者单位】无锡地铁集团有限公司;清华大学建筑学院
【正文语种】中文
【中图分类】U231.4
【相关文献】
1.基于数据驱动的故障预测模型框架研究
2.基于数据驱动的船舶油耗预测模型研究
3.基于数据驱动的黄河三角洲地下水位预测模型
4.地下水位预测模型对比分析研究
5.基于数据驱动的酒店线上客户群体流失预测模型应用研究
因版权原因，仅展示原文概要，查看原文内容请购买。