数据驱动的车载空调设定温度预测研究

为了对用户期望的车载空调温度进行实时预测,本文提出了一种习惯温度预测模型和时间序列温度预测模型双模型耦合的方法对车载空调设定温度进行实时预测。该方法以车内和外界的多维度信息作为输入,通过过滤式和随机森林对特征进行筛选,并根据实际应用场景集成模型来对用户期望的空调设定温度进行预测。最后使用该模型对测试数据进行验证。结果表明本文提出的双模型耦合的方法对用户空调设定温度的预测结果平均绝对百分比误差(MAPE)为0.049,能够精确地对车载空调温度进行预测,从而为智能化、个性化调控空调提供辅助决策。