面向能源消耗预测的智能建筑IoT监控数据的降维

物联网（IoT）在今天的智能建筑基础设施中发挥着主要作用，从简单的智能家居应用到更复杂的工业级安装。来自相关系统的大量数据可以以不同方式进行处理，以揭示重要信息。这在边缘计算时代尤为重要，当时，高级数据分析和决策正逐渐转移到网络边缘，设备通常具有有限的计算资源。在此背景下，一个突出的主要挑战是即使在数据较少的情况下，仍能保持数据分析的准确性，而这些数据可以被低资源设备高效处理。本文工作聚焦于来自监控小型智能办公室的IoT网络安装的数据相关性分析，利用环境和能源消耗传感器。研究动机是寻找监控变量与能源消耗之间的统计相关性，以便使用机器学习（ML）预测算法进行能源消耗预测，从而减少输入参数。为此，开展了针对三个不同环境变量与能源消耗相关性的假设检验。共进行了90项检验，每个变量对能源消耗的成对检验30项。在这些检验中，p值显示出与两个环境变量之间存在强或中等相关性，而与第三个变量之间存在弱相关性。通过采用所提出的方法，我们在不检查整个数据集以排除弱相关变量的同时，保持了相同的数据分析准确性。