數(shù)據(jù)挖掘技術(shù)在建筑節(jié)能中的應(yīng)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(shù)進步都會伴隨產(chǎn)生出一系列產(chǎn)品與服務(wù)，但也導致了資源和能源消耗的急劇增加。雖然各種技術(shù)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(guān)鍵，而供給側(cè)能耗是提高建筑能效的關(guān)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(guān)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(guān)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(shù)等方法，搜索隱藏的信息和規(guī)則，目前在各領(lǐng)域都獲得了廣泛的應(yīng)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(yù)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(shù)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(shù)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(luò)、關(guān)聯(lián)分析等。

3 數(shù)據(jù)挖掘技術(shù)在建筑節(jié)能中的應(yīng)用

城市公共建筑中的大小型設(shè)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(yù)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(yīng)用四步[2]。以下對數(shù)據(jù)挖掘技術(shù)的典型方法為例，探究其在建筑節(jié)能中的應(yīng)用。

3.1 關(guān)聯(lián)挖掘分析的應(yīng)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(guān)聯(lián)挖掘分析技術(shù)是一種十分典型的關(guān)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(guān)聯(lián)挖掘技術(shù)方法的使用過程中，主要是通過用戶事先設(shè)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(guān)系[3]。Apriori迭代型關(guān)聯(lián)挖掘方法最早是由R Agrawal提出，將該關(guān)聯(lián)挖掘分析方法應(yīng)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(guān)學者利用Apriori關(guān)聯(lián)挖掘算法生成了強關(guān)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(shè)步伐。

3.2 聚類挖掘分析的應(yīng)用

數(shù)據(jù)挖掘技術(shù)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(yù)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(shù)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(shè)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(shù)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(guān)注的重點發(fā)展方向。隨著數(shù)據(jù)挖掘技術(shù)的不斷革新，其在建筑節(jié)能中的應(yīng)用將會有更廣闊的前景。