基于小波与三维递归表征的视觉 LLM 提取建筑能耗数据可操作洞察
机器学习
2025-09-29 v1 计算机与社会
摘要
由于能源数据的非线性和多尺度特征,从复杂建筑时间序列中提取可操作洞察和建议仍具挑战性。为解决此问题,我们提出一个在数据的 3D 图形表征上微调视觉大语言模型的框架。该方法使用连续小波变换和递归图将一维时间序列转换为 3D 表征,以捕捉时间动态并定位频率异常。这些 3D 编码使 VLLM 能够视觉解读能耗模式、检测异常并提供能效建议。我们在真实世界建筑能耗数据集上展示了该框架,其中微调后的 VLLM 成功监测了建筑状态、识别了反复出现的异常并生成了优化建议。在定量评估中,Idefics-7B VLLM 在 Sharjah 大学能源数据集上使用 CWT 和 RP 分别实现了 0.0952 和 0.1064 的验证损失,在异常检测任务上优于直接在原始时间序列数据上的微调(0.1176)。本工作桥接了时间序列分析与可视化,为能源分析提供了一个可扩展且可解释的框架。
引用
@article{arxiv.2509.21934,
title = {Extracting Actionable Insights from Building Energy Data using Vision LLMs on Wavelet and 3D Recurrence Representations},
author = {Amine Bechar and Adel Oulefki and Abbes Amira and Fatih Kurogollu and Yassine Himeur},
journal= {arXiv preprint arXiv:2509.21934},
year = {2025}
}
备注
IEEE International Conference on Data Mining 2025