利用谷歌趋势作为居住者行为代理预测建筑能耗
机器学习
2022-02-09 v1 计算机与社会
摘要
近年来，更大量级的能源数据与先进机器学习算法的可用性引发了建筑能耗预测研究的热潮。然而，能耗预测模型中的一个变量——居住者行为，对预测性能至关重要，却难以测量或需耗费大量时间从每栋建筑中收集。本研究提出一种方法，利用谷歌趋势平台上话题（如教育或 Microsoft Excel）的搜索量作为居住者行为与建筑使用的代理。首先检验线性相关性，以探索能耗计量数据与谷歌趋势搜索词之间的关系，从而推断建筑占用情况。基于 ASHRAE 大能源预测者 III（GEPIII）竞赛数据集，比较并分析了纳入这些搜索词趋势前后的预测误差。结果表明，高度相关的谷歌趋势数据可有效将部分建筑的总体 RMSLE 误差降低至 GEPIII 竞赛前五名获胜团队的性能水平。具体而言，在公共假日与具有特定日程安排的日期，RMSLE 误差分别降低了 20–30% 与 2–5%。这些结果显示了利用谷歌趋势通过自动识别特定场地与假日日程来改善部分建筑能耗预测的潜力。
引用
@article{arxiv.2111.00426,
title = {Using Google Trends as a proxy for occupant behavior to predict building energy consumption},
author = {Chun Fu and Clayton Miller},
journal= {arXiv preprint arXiv:2111.00426},
year = {2022}
}