TY - JOUR A2 - Chen, Shyi-Ming AU - Dalipi, Fisnik AU - Yildirim Yayilgan, sulle AU - Gebremedhin, Alemayehu PY - 2016 DA - 2016/06/15 TI - Data-Driven machine learning Model in District Heating System for Heat Load Prediction:数据驱动的机器学习模型用于集中供热系统的热负荷预测SP - 3403150 VL - 2016 AB -我们提出了我们的数据驱动监督机器学习(ML)模型来预测集中供热系统(DHS)中的建筑热负荷。尽管在文献中，ML已经被用作热负荷预测的方法，但很难选择一种方法，将符合我们的情况下的解决方案，因为现有的解决方案是相当具体的问题。因此，我们在一个框架内对来自DH系统的操作数据进行了比较和评估，以生成所需的预测模型。这些算法包括支持向量回归(SVR)、偏最小二乘(PLS)和随机森林(RF)。我们使用了从几个地点收集的数据，为期29周。为了提高热负荷预测的准确性，本文采用平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和相关系数对所提算法的性能进行了评价。为了确定哪种算法的准确率最高，我们对这些ML算法进行了性能比较。算法的比较表明，与文献中其他方法相比，本文提出的支持向量机方法是三种方法中对DH热负荷预测效率最高的方法。SN - 1687-9724 UR - https://doi.org/10.1155/2016/3403150 DO - 10.1155/2016/3403150 JF -应用计算智能和软计算PB - Hindawi Publishing Corporation KW - ER -