數(shù)據(jù)挖掘技術在建筑節(jié)能中的應用

宋建英

（太原學院 山西 太原 030032）

1 引言

在社會發(fā)展與時代進步中，每一項技術進步都會伴隨產(chǎn)生出一系列產(chǎn)品與服務，但也導致了資源和能源消耗的急劇增加。雖然各種技術的革新可以提升資源與能源的使用效率，但人均能耗一直處于不斷遞增的狀況。合理的需求側(cè)能耗是提高建筑能效的關鍵，而供給側(cè)能耗是提高建筑能效的關鍵，為了實現(xiàn)建筑節(jié)能模式由供給側(cè)向需求側(cè)的轉(zhuǎn)變，有必要描述特定室內(nèi)環(huán)境的能耗特征，以便從需求側(cè)評價建筑能耗的合理性，準確識別能源浪費的因素和原因[1]。

城市化進程的推進下，建筑業(yè)得到了快速的發(fā)展，而建筑能耗方面的問題也日益突出。據(jù)相關調(diào)查，建筑能耗在能源消費總量中所占的比重不斷上升，給能源使用造成了巨大的壓力，作為建筑能耗的主要組成部分，建筑運行能耗浪費現(xiàn)象特別嚴重，大約占到建筑總能耗的80%左右。因此，提升對建筑節(jié)能的意識與認知，是發(fā)展資源節(jié)約型社會與經(jīng)濟發(fā)展的必由之路。如何快速有效地從海量數(shù)據(jù)信息中提取挖掘出價值數(shù)據(jù)，發(fā)現(xiàn)建筑能源使用中存在的問題，提升建筑能源的高效合理使用，儼然成為建筑業(yè)面臨的關鍵問題。

2 數(shù)據(jù)挖掘概述

數(shù)據(jù)挖掘?qū)儆诰C合性較強的交叉學科，它是通過大數(shù)據(jù)中的算法發(fā)現(xiàn)具有潛在價值數(shù)據(jù)的過程。運用統(tǒng)計學、專家系統(tǒng)、模式識別和數(shù)據(jù)庫技術等方法，搜索隱藏的信息和規(guī)則，目前在各領域都獲得了廣泛的應用。數(shù)據(jù)挖掘也被稱之為數(shù)據(jù)庫知識發(fā)現(xiàn)，即從不完整、模糊和隨機的大規(guī)模數(shù)據(jù)中提取挖掘出具有潛在價值的信息和知識的過程。數(shù)據(jù)挖掘能夠發(fā)現(xiàn)隱藏在數(shù)據(jù)庫中的新知識，通過數(shù)據(jù)挖掘，可以發(fā)現(xiàn)數(shù)據(jù)庫中數(shù)據(jù)之間隱藏的內(nèi)在聯(lián)系，從數(shù)據(jù)中挖掘出的信息可以用來評價以往的歷史數(shù)據(jù)、預測發(fā)展趨勢、控制過程、管理信息、影響決策，與其他數(shù)據(jù)分析處理技術相比較而言，數(shù)據(jù)挖掘具有海量性、可用性、相對性等特點，數(shù)據(jù)挖掘是數(shù)據(jù)庫技術和機器學習的結(jié)合，常用的方法包括線性回歸分析、分類分析、聚類分析、神經(jīng)網(wǎng)絡、關聯(lián)分析等。

3 數(shù)據(jù)挖掘技術在建筑節(jié)能中的應用

城市公共建筑中的大小型設備類型與數(shù)量逐漸增多，耗能數(shù)據(jù)也隨之不斷增加。隨著能耗監(jiān)測系統(tǒng)的建立和空調(diào)、照明、電源等分項測量的實施，積累了大量的建筑能耗數(shù)據(jù)。這些數(shù)據(jù)的主要特點是數(shù)據(jù)量大、信息量大，傳統(tǒng)的數(shù)據(jù)分析方法無法滿足這些不完整、無規(guī)律、龐大數(shù)據(jù)中有潛在價值的信息，利用數(shù)據(jù)挖掘可以有效地解決此類問題，具體的挖掘過程分為數(shù)據(jù)處理與預處理、能耗數(shù)據(jù)挖掘模型的構(gòu)建、數(shù)據(jù)信息挖掘的結(jié)果評估以及模型應用四步[2]。以下對數(shù)據(jù)挖掘技術的典型方法為例，探究其在建筑節(jié)能中的應用。

3.1 關聯(lián)挖掘分析的應用

對隱藏在能源消耗數(shù)據(jù)中的能源消耗特征進行挖掘是實現(xiàn)建筑節(jié)能的一個重要方向。關聯(lián)挖掘分析技術是一種十分典型的關聯(lián)分析方法，能夠有效地發(fā)現(xiàn)建筑中能源消耗的數(shù)據(jù)與影響能源消費指數(shù)生成的因素之間存在的各種聯(lián)系。在關聯(lián)挖掘技術方法的使用過程中，主要是通過用戶事先設置的最小支持度和最小置信度閾值來確定眾多數(shù)據(jù)信息之間的關系[3]。Apriori迭代型關聯(lián)挖掘方法最早是由R Agrawal提出，將該關聯(lián)挖掘分析方法應用于建筑眾多能耗數(shù)據(jù)信息分析中，分析過程思路簡單、過程循序漸進。曾有相關學者利用Apriori關聯(lián)挖掘算法生成了強關聯(lián)規(guī)則，并從其中發(fā)現(xiàn)了空調(diào)系統(tǒng)午休前后中存在的不合理運行問題，進而采取針對性的改進措施提升空調(diào)系統(tǒng)的運行效率，實現(xiàn)建筑空調(diào)方面的有效節(jié)能，推動建筑節(jié)能的建設步伐。

3.2 聚類挖掘分析的應用

數(shù)據(jù)挖掘技術中聚類分析法的優(yōu)點是僅需考慮數(shù)據(jù)特征，不需考慮分類結(jié)構(gòu)，即根據(jù)大量數(shù)據(jù)間的相似度對數(shù)據(jù)進行特征分類，得出的結(jié)果對于建筑而言，可以用在建筑能耗的預測、運行優(yōu)化、基準評價等方面。其中常用的聚類方法有k-means算法、Chameleon算法、DBSCAN算法等。借助基于Weak平臺的Chameleon算法，可以構(gòu)建出建筑能耗優(yōu)化的聚類模型。首先利用K-均值算法提取距離最近的k點，形成若干簇，再通過各簇之間的相互聯(lián)系和緊密程度來決定是否需要進行合并簇操作。將該方法運用在辦公、商場等建筑能耗聚類中，可以計算出各簇的能耗分布與平均能耗值，然后將其結(jié)果作為建筑節(jié)能的評價指標，為建筑節(jié)能提供科學合理的決策依據(jù)。與其他數(shù)據(jù)挖掘技術方法相比，聚類分析不需要太多的公式計算，只需從數(shù)據(jù)處理的角度出發(fā)，即可獲得較好的分析結(jié)果，為建筑節(jié)能提供數(shù)據(jù)依據(jù)。

4 結(jié)語

綜上所述，建筑設備和能耗的增加，導致建筑能耗數(shù)據(jù)的海量化是必然的。如何利用數(shù)據(jù)挖掘技術從大規(guī)模數(shù)據(jù)中挖掘出有價值的數(shù)據(jù)信息，為建筑節(jié)能提供數(shù)據(jù)參考依據(jù)，是建筑行業(yè)需要關注的重點發(fā)展方向。隨著數(shù)據(jù)挖掘技術的不斷革新，其在建筑節(jié)能中的應用將會有更廣闊的前景。