一种动态实时高校建筑能耗异常检测方法

针对静态建筑能耗异常检测方法在动态高校建筑能耗环境中容易出现误判的问题,提出一种改进的高校建筑能耗异常检测方法。采用SA-DBSCAN算法根据能耗数据的统计特性自适应识别建筑能耗模式,利用C4.5算法构建能耗模式判定树,依据判定树得到实时能耗数据的相应类别后使用LOF算法进行离群分析检测异常。将判定正常的能耗增量地更新到建筑能耗模式中,并根据更新结果动态调整异常检测模型。实验结果表明该方法能有效检测异常能耗数据并逐步拟合高校建筑能耗环境的变化来减少误判。

基于传感器距离的实时用户活动识别建模方法

针对传统的用户活动识别建模方法在实时性要求下精度较低的缺点,提出一种改进的实时用户活动识别建模方法。利用已标注的传感器事件流数据建立传感器触发概率矩阵,并计算出传感器距离,作为建模的先验知识,在后续建模过程中赋予每个传感器事件不同的权重。根据传感器距离的内在含义判断活动转移发生的位置,通过概率矩阵推测上次活动作为新的特征维度来建模当前活动。在Aruba、Tulum2010和HH106 3个公开数据集上的实验结果表明,与SWMI、SWMIex等方法相比,该建模方法在精度和F1 2个指标上最大提升可超过10%。