为从BIM(building information model)模型中提取建筑能耗监测数据的大数据应用所需的建筑能耗监测静态数据,首先分析建筑能耗监测静态数据需求.在此基础上,分析BIM数据标准--IFC(industry foundation classes)标准,对于IFC标准不能满...为从BIM(building information model)模型中提取建筑能耗监测数据的大数据应用所需的建筑能耗监测静态数据,首先分析建筑能耗监测静态数据需求.在此基础上,分析BIM数据标准--IFC(industry foundation classes)标准,对于IFC标准不能满足建筑能耗监测静态数据需求的情况,根据需求对IFC标准进行扩展,建立基于IFC标准的建筑能耗监测静态信息模型.接着,基于该模型提出从BIM模型提取建筑能耗监测静态数据的方法.最后,根据对建筑能耗监测静态数据需求的分析和建立的基于IFC标准的建筑能耗监测静态信息模型,在Visual Studio 2017平台上,借助xBIM软件工具包,用C#语言开发从IFC文件中提取所需的建筑能耗监测静态数据的程序,用来对建立的建筑能耗监测静态数据提取方法进行验证.结果表明,开发的程序能直接从IFC文件中快速提取出需求的建筑能耗监测静态数据.与传统的在能耗监测系统中人工录入建筑能耗监测静态数据的方法相比,本研究提出的方法使得获取所需的建筑能耗监测静态数据更便捷高效.展开更多
时间自适应支持向量机(TA-SVM)方法在处理非静态数据集时表现出良好的性能,但仅根据邻接子分类器相似而获得的相关信息并不充分,由此可能会导致训练所得模型不可靠,限制其应用能力。该文通过定义子分类器序列的相关性衰减函数,提出新的...时间自适应支持向量机(TA-SVM)方法在处理非静态数据集时表现出良好的性能,但仅根据邻接子分类器相似而获得的相关信息并不充分,由此可能会导致训练所得模型不可靠,限制其应用能力。该文通过定义子分类器序列的相关性衰减函数,提出新的面向非静态数据分类问题的演进支持向量机(Evolving Support VectorMachines,ESVM)。ESVM使用衰变函数以体现子分类器之间的相关程度,通过约束所有子分类器之间的带权差异以求得变化更光滑的子分类器序列,契合了数据中隐藏的渐变概念。在各种数据缓慢变化场景的对比实验中,该文的ESVM方法优于TA-SVM方法。展开更多
文摘为从BIM(building information model)模型中提取建筑能耗监测数据的大数据应用所需的建筑能耗监测静态数据,首先分析建筑能耗监测静态数据需求.在此基础上,分析BIM数据标准--IFC(industry foundation classes)标准,对于IFC标准不能满足建筑能耗监测静态数据需求的情况,根据需求对IFC标准进行扩展,建立基于IFC标准的建筑能耗监测静态信息模型.接着,基于该模型提出从BIM模型提取建筑能耗监测静态数据的方法.最后,根据对建筑能耗监测静态数据需求的分析和建立的基于IFC标准的建筑能耗监测静态信息模型,在Visual Studio 2017平台上,借助xBIM软件工具包,用C#语言开发从IFC文件中提取所需的建筑能耗监测静态数据的程序,用来对建立的建筑能耗监测静态数据提取方法进行验证.结果表明,开发的程序能直接从IFC文件中快速提取出需求的建筑能耗监测静态数据.与传统的在能耗监测系统中人工录入建筑能耗监测静态数据的方法相比,本研究提出的方法使得获取所需的建筑能耗监测静态数据更便捷高效.
文摘时间自适应支持向量机(TA-SVM)方法在处理非静态数据集时表现出良好的性能,但仅根据邻接子分类器相似而获得的相关信息并不充分,由此可能会导致训练所得模型不可靠,限制其应用能力。该文通过定义子分类器序列的相关性衰减函数,提出新的面向非静态数据分类问题的演进支持向量机(Evolving Support VectorMachines,ESVM)。ESVM使用衰变函数以体现子分类器之间的相关程度,通过约束所有子分类器之间的带权差异以求得变化更光滑的子分类器序列,契合了数据中隐藏的渐变概念。在各种数据缓慢变化场景的对比实验中,该文的ESVM方法优于TA-SVM方法。