【摘 要】
：
为应对未来高渗透率可再生能源、去中心化供给、多能协同互补的建筑能源系统高效、灵活、可靠运行对建筑负荷预测提出的高要求,数据驱动的建筑负荷预测模型凭借高精度、高计算效率以及低使用成本等优势得到了广泛重视与研究。然而,在工程实际中,纯粹依靠数据驱动构建的模型在很多基础数据不完备的场景下难当重任,通常表现为特征变量数据不完备时的弱拟合能力和训练样本数据不完备时的弱泛化能力。而在建筑能源领域里领域知识（如
【基金项目】
：
国家自然科学基金项目（No.51778407）；
论文部分内容阅读
为应对未来高渗透率可再生能源、去中心化供给、多能协同互补的建筑能源系统高效、灵活、可靠运行对建筑负荷预测提出的高要求,数据驱动的建筑负荷预测模型凭借高精度、高计算效率以及低使用成本等优势得到了广泛重视与研究。然而,在工程实际中,纯粹依靠数据驱动构建的模型在很多基础数据不完备的场景下难当重任,通常表现为特征变量数据不完备时的弱拟合能力和训练样本数据不完备时的弱泛化能力。而在建筑能源领域里领域知识（如物理解析模型）是富集的,且经过理论或实践证明的领域知识通常会具有较强的普适性和泛化性。若能够将领域知识融合到数据驱动建模中,将会增强数据模型的鲁棒性、准确性和适用性。从人工智能技术的发展趋势看,以往以数据、算法和算力三个要素实现的人工智能技术在很多应用场景中已显现出处理能力不足的问题。在未来,人工智能技术将迈向以知识、数据、算法和算力四个要素共同实现的新一代人工智能纪年。在这种背景下,本文以建筑热力负荷短期预测建模为研究分析对象,旨在研究建立一套以数据驱动建模为基础、领域知识辅助数据模型构建的数据-知识融合驱动的预测建模方法。主要研究工作如下:（1）数据驱动建筑热力负荷预测模型特征变量数据完备性分析。特征变量的完备性极大影响着数据驱动模型的拟合误差,清楚认知数据模型对特征变量完备性的需求是构建准确数据预测模型的基础。本文提出使用最大信息系数和最大相关最小冗余多变量选择策略的最优特征变量集确定方法。案例研究结果表明,相比于常用的过滤式特征变量选择方法,该方法能够在保证重要变量不遗漏的前提下有效消除特征变量集的冗余性,确保获得数据模型充分且必要的特征变量集。为分析建筑热力负荷预测数据模型完备特征变量集提供了方法基础。使用该方法对6种典型类型建筑进行的完备特征变量集分析结果可为工程实际中建筑负荷预测模型构建提供一定的数据收集指导作用。（2）基于仿真模型校准的内扰特征规律反向解析。内扰特征变量缺失是工程实际中常见的一种特征变量不完备情况,对此,本文提出一种非侵入式的内扰特征变量获取方法,用以增强特征变量集的完备性。该方法通过使用仿真模型校准从总负荷数据中反向解析得到内扰特征的变化规律。研究结果表明,该方法获得的人工内扰特征变量能够有效增加数据驱动预测模型特征变量集的信息完备性,将ANN模型的拟合误差从完全缺失内扰数据时的21.71%降低至10.25%。且相比于使用日历信息的简单特征变量集具有更高的预测精度（10.25%VS16.76%）,尽管精度比不上准确监测获取的内扰特征变量,但该方法以非侵入式的数据获取方式实现了内扰特征变量数据信息丰富程度与数据监测预测难度之间的平衡,是一种有效的内扰特征变量替代方法。（3）数据驱动建筑热力负荷预测模型训练样本数据完备性分析。数据驱动预测模型所使用训练样本集的完备性直接决定模型的泛化性能。本文基于数据驱动预测建模计算学习理论,梳理了数据驱动模型对训练样本完备性的一般性需求,总结为如下三个要点:以全域样本空间数据为基础、以独立同分布采样方法为前提、以充足样本容量为保障。对于建筑热力负荷预测数据建模这一特定问题的研究结果表明,在工程实际中,随系统运行时间累积达到一个完整供冷/暖季的数据时,训练样本集基本可满足数据模型对其完备性的需求,达到跟全域样本空间独立采样理想条件下相同的模型预测效果。然而,当未来建筑负荷边界条件发生变化后,基于这一完备训练样本集构建的数据模型的预测效果将受到影响,且负荷边界变化越大,数据模型的适用性越差,应注意按照不完备训练样本集进行考虑处理。（4）领域知识引导数据模型训练学习的方法研究。工程实际中常会遇到训练样本不完备的场景。针对训练样本不完备导致数据模型弱泛化能力的问题,本文提出了使用领域知识优选和知识迁移两个阶段构成的领域知识引导数据模型学习的技术框架,使数据驱动模型在有限训练样本条件下也能实现有效的训练学习。该技术框架既能够兼顾领域知识泛化性能的鲁棒性、可靠性,又能够利用训练数据使数据模型保留挖掘不确定未知规律的灵活性、差异性,具备一定的理论优势。该框架可实现两类领域知识的有效利用,一类是相似建筑数据,另一类是物理解析模型。对于前者,通过本文提出的相似性度量指标SMI,可实现源任务数据的优选。实际案例结果表明,SMI指标可从55个可利用的源任务中选择出最有利于目标建筑的数据进行迁移学习,该方法在与直接使用有限样本数据直接训练模型以及不进行源数据优选的迁移学习模型的对比中取得了最优的预测效果,预测误差以及模型稳定性方面均高于另外两者。对于物理解析模型类型领域知识的利用,本文通过使用模型校准方法提升了仿真虚拟样本数据的质量,进而提高迁移学习模型的预测效果。实际案例研究结果表明,在4种不同的样本数据增强建模的策略对比中,使用仿真虚拟样本数据校准的迁移学习策略取得了最好的应用效果。因此,本文提出的使用领域知识引导数据模型学习的技术框架能够保证数据模型在有限训练样本条件下仍然获得优秀的泛化能力。
其他文献
金属-有机骨架化合物（MOFs）自从上世纪九十年代末问世,到如今虽然只有短短二十几年,却已经引起了物理、化学、生物、材料、医学等多个学科学者们的广泛关注和深入研究,并已涉及传感、催化、储气、分离、电磁等多个领域。本文结合MOFs材料的结构优势和应用基础,设计合成了两种新型Cu-MOFs材料,分别对其在检测挥发性有机物（VOCs）和催化领域的应用进行探究,并对MIL-101（Materials of
多孔有机聚合物是近年来新兴的、完全由有机组分构成的多孔材料,与金属有机框架相比,多孔有机聚合物在保持优良孔隙结构的基础上兼具了优异的稳定性。其中,以共价有机框架和共轭微孔聚合物为代表的多孔有机材料能够根据应用需求从分子层面进行结构预设计,以满足不同应用需求,在离子传导、电子传导和能量储存等电化学领域表现出巨大的应用前景。本论文通过自下而上的方法,将二苯[g,p]并?和9,9’-二芴烯单元引入到共价
目的 探究黄芪总黄酮对强直性脊柱炎（AS）模型大鼠炎症反应和成纤维细胞成骨转化的影响及作用机制。方法 将72只大鼠随机分为6组，每组12只，分别为空白对照组、模型组、黄芪总黄酮低、中、高剂量组（25、50、100 mg/kg）和阳性药物组（柳氮磺胺吡啶825 mg/kg）。除空白对照组外，其余各组大鼠建立AS大鼠模型，药物干预28 d后，ELISA分别检测血清和脊柱组织中炎症因子（IL-6、IL-
反钙钛矿型立方Fe4N因具有高饱和磁化强度、高居里温度、高自旋极化率、良好的延展性和抗腐蚀性能,在自旋电子学领域具有广泛的应用前景。高密度、低能耗和高速度是下一代自旋电子器件的关键特征。然而,Fe4N的面内磁各向异性限制了其在自旋电子器件上的实际应用。因此,通过掺杂工程、应变工程和界面工程等手段调控Fe4N薄膜的结构、磁性和自旋相关输运特性具有重要的研究价值。本论文以对向靶反应溅射的Fe4N薄膜为
目的探讨肠道粘膜上皮细胞特异性呈递肠道细菌抗原并诱发局部和全身性免疫和病理反应,制备 AS 的精确动物模型—HLA—B27转基因鼠,研究 AS 病变的发病机理。方法 1．显微注射用 B27、2-icroglobulin（2-m）基因的制备；2．大、小鼠受精卵的显微注射；3．鼠尾基因组 DNA 的提取； 4．PCR 检测；5．Southern blotting 检测。结果 1．通过显微注射技术,将上
背景:小胶质细胞是中枢神经系统（CNS）中特异性存在的一类免疫细胞,是各种急性脑损伤中最先做出反应的非神经元细胞。其通常处于静息状态,并在脑损伤、感染和各种神经炎症刺激的情况下被激活并变形成为阿米巴样形态。这种小胶质细胞活化的动态变化过程在生理学上被称为极化过程。研究发现小胶质细胞活化后,可以分泌趋化因子、细胞因子以及其他免疫调节分子。这些分子在退行性脑病、原发性或继发性脑损伤中发挥着重要作用。小
有机场效应晶体管（Organic Field Effect Transistors,OFETs）作为现代有机逻辑电路的基本构建模块,因其特殊的电荷输运机制和在大面积柔性有机电子产品中广阔的应用前景俨然已成为有机电子学的前沿科学。然而该领域仍存在着一些亟待解决的深层次的科学问题,如“OFETs的非理想电学行为”。近些年来随着材料和纳米科学的迅速发展,被报道的OFETs,尤其是高迁移率的器件,大多呈现
外转子轮毂电机采用直接驱动方式,无减速驱动装置,结构紧凑,轴向尺寸相对减速驱动轮毂电机小。外转子轮毂电机直接安装在轮毂内,采用封闭式结构。轮毂电机内部空间狭小,受空间体积限制,轮毂电机电磁负荷过高引起自身温度升高,若缺少良好的散热装置或冷却结构欠佳会致使轮毂电机定子铁芯局部温度过高、永磁体永久不可逆退磁、铜绕组绝缘热老化,严重时甚至会因绕组烧毁而导致轮毂电机故障。因此,为保证外转子轮毂电机可靠、安
传统无机纳米颗粒因其三维结构不确定的劣势,导致人们很难在原子层面精确了解其配位信息,妨碍了对纳米材料表面催化机理及界面电荷转移等性质的深入理解,从而阻碍了基础研究的发展进程。原子精度的Au团簇因其原子配位精确可控,在深入理解其构效关系方面展现出巨大的优势。随着Au团簇的合成方法学不断发展,目前人们已经实现了通过转换表面配体以及金属位点等手段调控其物化性能,为材料的结构调控、性能开发以及应用拓展提供
天然产物（来源于如植物、微生物和动物等）在结构上通常具有多样性,这使得它们能够与临床药物更具有相关性而成为新药候选物。目前为止,仍有大量的天然产物未被研究和探索,如今,不只是传统的研究方法被用于未知天然产物的探索研究,随之而来的是,新的技术手段也被不断的开发探索。为了探索较少被研究的生物中未被报道的天然产物,本论文结合了传统的研究方法以及基于分子网络分析和统计学分析的代谢组学策略,从而发现和分离出