基于机器学习的办公建筑暖通空调系统能耗预测及优化调度

该文针对办公建筑暖通空调设计中的能耗预测难题,以山东省烟台市某商业社区3栋商业楼为例,基于Catboost学习方法和极端随机树学习方法对办公建筑暖通空调系统能耗进行预测,并基于预测结果对能源结构进行优化。结果表明,基于Catboost学习方法得到的预测值与实测值之间呈现出不同程度的离散性,但两者的误差仍位于±10%误差线范围内;基于极端随机树学习方法预测得到的能耗误差值超出了-10%的误差线;办公建筑暖通空调系统能耗值表现为夏季和冬季高、春季和秋季低,能耗峰值均位于7:00~17:00,并针对预测结果对各个季节的能源供给进行了优化调整。

基于UE4引擎的仿真教学中海洋海浪模拟初探

随着社会经济的不断发展,计算机软件和硬件性能的提升,对于传统的海洋海浪模拟的方法有了更加丰富和更加多元化的改变。在仿真教学模拟的工程中,对于港口施工工序的模拟,港航信息对于海洋数据需求很高,而将海洋数据可视化在仿真教学软件制作中是经常会出现的难点。论文是基于UE4引擎,同时应用多种不同的数据处理方法,将多元化的数据整理成为可理解的信息,海洋海浪可视化模拟的探索应用于可视化水体海浪的一些具体算法和操作方法,在UE4强大的软件支持下画面质量更高,可视化视觉更高,模拟的效果更真实。