建筑用电能耗预测研究综述

建筑用电能耗预测是建筑能源管理的重要组成部分,准确预测建筑用电能耗可以帮助管理者制定有效的能源策略,提高能源利用效率。本文介绍了建筑用电能耗预测的特性及分类,将建筑用电能耗预测研究分为工程方法、统计方法、机器学习方法、深度学习方法及组合方法进行阐述,总结这些方法的优缺点,并展望建筑用电能耗预测的未来发展方向。     

基于机器学习的矩形钢管混凝土柱偏压承载力预测

矩形钢管混凝土偏心受压构件作为主要受力构件,准确预测其承载力是保障结构安全的重要前提。采用机器学习方法对矩形钢管混凝土柱偏压承载力进行建模预测。建立了包含804个构件的试验数据库,并通过受力机制与数据相关性分析相结合的方法确定机器学习模型的输入参数;采用BP神经网络、RBF神经网络、高斯过程回归等机器学习算法和多元线性回归方法,建立了其偏压承载力预测模型,并对预测结果进行对比分析。结果表明：几何和荷载参数与偏压承载力之间可呈正相关性或负相关性,而材料参数与偏压承载力之间仅呈正相关性,上述相关性同时受到荷载偏心方向的影响;所建立的3种机器学习模型基于总数据库的预测精度与按偏心方向划分数据库的预测精度相近,表明模型能够反映偏心方向对承载力的影响,避免了进一步划分数据库的需求;高斯过程回归模型的预测精度最高,对数据库中超过60%构件的预测误差小于5%;与设计规范和以往研究中的方法相比,所建立的机器学习模型整体上具备更高的预测精度和更广的适用范围。     

基于机器学习的风景园林智能化分析应用研究

机器学习使实现数据的智能化处理及充分利用数据中蕴含的知识与价值成为可能。探索基于机器学习在风景园林领域智能化分析应用的途径,开展3个实验。其中2个与数据分析研究相关,提出基于调研图像色彩聚类分析的城市色彩印象和基于图像识别技术的景观视觉质量评估与网络应用平台部署实验。最后1个实验与数字化设计创作相关,提出用于设计方案遴选的地形生成方法,包括2个子项目:应用深度学习生成对抗网络(GAN)的地形生成和建立遮罩、预测未知区域的高程。3个实验应用到机器学习中分类、聚类和回归3个主要方向中的算法以及深度学习的生成对抗网络,对传统的研究问题提出了基于机器学习新的研究方法。因此,在应用机器学习风景园林领域,可以有效地从多源数据中学习相互增强的知识,发现问题,并提出解决问题的新方法。     

基于Stacking集成算法的岩爆等级预测研究

岩爆是地下工程面临的一个巨大灾害，岩爆预测可以降低岩爆带来的危害。机器学习是岩爆预测方法的研究热点和发展方向，但现阶段各机器学习算法表现不同，并且相互独立工作，没有融合，不能优势互补，导致各机器学习算法的准确率、泛化性和稳定性较低。本文采用Stacking集成算法，融合现阶段使用较多的8个机器学习算法(4个集成算法和4个基本算法)，充分发挥各算法的优势，实现优势互补；为保证新特征信息具有多样性，结合各种机器学习算法的原理和岩爆样本库的特点，提出3组考虑多个岩爆预测指标的Stacking集成算法，每组算法拥有不同基模型和多个元模型，解决了传统Stacking集成算法接受特征信息受限和元模型选择困难的难题。对比分析各组Stacking集成算法与独立算法的准确率、精确率、召回率和F1值，结果表明构建的Stacking集成算法可以有效融合各机器学习算法，预测性能显著提升。在3组Stacking集成算法中，Stacking集成算法二的基模型由Random Forest Classifier,Extra Trees Classifier,Gradient Boosting Classifier和L...     

机器学习在天然气行业的应用

随着信息化的深入发展,机器学习方法迅速普及,也逐渐应用于天然气行业,为该行业研究带来新的发展。本文对机器学习在天然气行业产业链上游、中游和下游的应用进行详细梳理和对比,总结了机器学习在该行业发展的优势以及在数据准确性、模型解释性等方面的局限,进而提出了机器学习在天然气行业未来发展的推进方案。     

浅谈机器学习在桥梁工程中的应用

本文从机器学习的概念和算法着手,对机器学习的国内外研究现状进行了综述,阐述了机器学习在桥梁工程实践中的具体应用,并对机器学习分析的未来发展进行了展望。     

支持向量机在岩土工程中的应用综述

支持向量机是一种新型有效的机器学习方法。本文概述了国内外各种支持向量机模型及其在岩土工程领域中的应用现状,并指出了其理论的优缺点、适用性和未来发展方向。旨在为支持向量机在岩土工程中的进一步应用提供一定的参考。     

基于Keras的分类预测应用研究

人工神经网络是机器学习领域中的一个重要研究方向,它被引入机器学习使其更接近于最初的目标——人工智能。人工神经网络在搜索技术、数据挖掘等其他相关领域都取得了很多成果。Keras是一个由Python编写的开源人工神经网络库,可以作为Tensorflow、Microsoft-CNTK和Theano的高阶应用程序接口,进行深度学习模型的设计、调试、评估、应用和可视化。采用Keras对给定的某餐饮业的样本集合通过归纳分析进行训练,建立神经网络分类模型,得到分类规则,给出该分类预测的算法实现,并对得到的分类结果生成混淆矩阵图进行评价。     

可持续建成环境研究的机器学习应用进展与展望

【目的】大数据、物联网和人工智能技术正在经历快速发展阶段，其中机器学习的应用尤为瞩目，探索机器学习对可持续建成环境研究的影响具有理论和实践价值。【方法】基于文献综述，聚焦城市公共健康、能源碳排放、气候环境、生态系统、绿色出行5个可持续建成环境重要议题，详述机器学习的概念、分类、重要算法及关键应用。【结果】提出机器学习应用预测性有余解释力不足的特点，梳理机器学习发展从预测性到解释性的趋势，分析机器学习应用对研究的影响。【结论】结果表明：解释性方法和可读模型增多，研究目的更加侧重决策解读和规律总结，但基于实证研究的因果机制探索仍较少。基于此，比较分析了机器学习在不同议题中的典型应用，展望未来的发展前景。     

加大统计工作力度为企业管理服务

分析了企业统计工作的现状，从统计基础建设、提高数据质量、建立统计指标体系、服务方向多方面介绍了开展企业统计工作的方法，从而提高企业整体管理水平。