基于属性加权动态k邻近机器学习算法的热力站动态能耗指标预测模型

文档名：基于属性加权动态k邻近机器学习算法的热力站动态能耗指标预测模型
以公司某热力站和其所带热用户为实验对象,在大氛围的热负荷区间内采样了1000条训练样本.运用机器学习算法对样本进行学习训练,观察在不同样本数量时的学习效果，运用属性加权动态k—邻近机器学习算法建立了热力站动态能耗指标预测模型，相比人为手工计算，机器学习的好处是运行速度快，随着不断地学习，预测的准确性也逐步提高，且对于错误的训练样本不敏感。
作者：关向东于志国张海增
作者单位：北京华源热力管网有限公司
母体文献：2017供热工程建设与高效运行研讨会论文集
会议名称：2017供热工程建设与高效运行研讨会  
会议时间：2017年5月1日
会议地点：浙江嘉兴
主办单位：中国土木工程学会,中国市政工程华北设计研究总院有限公司
语种：chi
分类号：TP3TP1
关键词：热力站  热负荷  k-邻近机器学习算法  能耗指标预测模型
在线出版日期：2017年12月4日
基金项目：
相似文献
相关博文

2024-12-10 15:41 上传 基于属性加权动态k邻近机器学习算法的热力站动态能耗指标预测模型.pdf

文件大小:

631.2 KB

下载次数:

60

高速下载