现有住宅建筑在室行为预测模型缺乏对住户差异性的合理考虑,导致模型往往存在整体预测精度不高和适用性受限等问题.针对这一问题,提出一种考虑住户差异性的马尔可夫链在室状态预测模型.该模型首先通过Spearman相关性分析确定了不同影响...现有住宅建筑在室行为预测模型缺乏对住户差异性的合理考虑,导致模型往往存在整体预测精度不高和适用性受限等问题.针对这一问题,提出一种考虑住户差异性的马尔可夫链在室状态预测模型.该模型首先通过Spearman相关性分析确定了不同影响因素(即特征参数)与住户总在室时长的相关性,将相关系数作为特征参数权值并结合聚类分析对住户群体进行分类.在此基础上采用马尔可夫链模型对住户在室状态进行预测.为评估所建立预测模型的性能,以英国TUS(Time Use Survey)数据库为例,将改进模型与传统马尔可夫链模型进行对比分析.结果表明,该方法能够综合考虑不同住户特征参数及其对在室行为的影响,对住户进行合理的分类,与传统马尔可夫模型相比,所建预测模型显著提升了整体性能,平均绝对误差和均方根误差分别减小了20.57%和15.35%.展开更多
文摘现有住宅建筑在室行为预测模型缺乏对住户差异性的合理考虑,导致模型往往存在整体预测精度不高和适用性受限等问题.针对这一问题,提出一种考虑住户差异性的马尔可夫链在室状态预测模型.该模型首先通过Spearman相关性分析确定了不同影响因素(即特征参数)与住户总在室时长的相关性,将相关系数作为特征参数权值并结合聚类分析对住户群体进行分类.在此基础上采用马尔可夫链模型对住户在室状态进行预测.为评估所建立预测模型的性能,以英国TUS(Time Use Survey)数据库为例,将改进模型与传统马尔可夫链模型进行对比分析.结果表明,该方法能够综合考虑不同住户特征参数及其对在室行为的影响,对住户进行合理的分类,与传统马尔可夫模型相比,所建预测模型显著提升了整体性能,平均绝对误差和均方根误差分别减小了20.57%和15.35%.
