第23卷第1期2023年3月南京师范大学学报(工程技术版)JOUＲNALOFNANJINGNOＲMALUNIVEＲSITY(ENGINEEＲINGANDTECHNOLOGYEDITION)Vol.23No.1Mar，2023收稿日期:2021－08－27．基金项目:浙江省重点研发计划项目(2021C01110)．通讯作者:郑军红，博士，讲师，研究方向:数据挖掘、人工智能．E-mail:zdzhengjh@sohu．comdoi:10．3969/j．issn．1672－1292．2023．01．008基于划分工作方式的中央空调达标时间预测王可1，卢焕达2，郑军红1，何利力1(1．浙江理工大学信息学院，浙江杭州310018)(2．浙大宁波理工学院计算机与数据工程学院，浙江宁波315100)［摘要］为了同时满足中央空调温湿度控制工艺要求和企业节能降耗要求，解决中央空调达标时间预测问题，提出了一种在划分空调工作方式基础上的组合预测模型．在加温加湿工作方式下，采用随机森林算法构建分类预测模型，用深度特征提取后的高级特征作为模型输入，解决了小样本分类预测的过拟合问题．为进一步降低算法时间复杂度，利用改进粒子群方法对模型参数寻优．在降温除湿工作方式下，使用K近邻算法动态划分类别区间，并利用密度峰值改进SMOTE算法解决类别不平衡问题，采用极限梯度提升算法构建分类模型．考虑到空调延迟开启或提前开启对企业效益造成的损失不同，采用多角度综合评价方法对模型进行评估．通过与支持向量机(现用模型)等多种预测模型的对比实验，验证了组合模型的有效性和实用性．实验表明组合模型平均绝对误差为3．2min，与现用模型相比，组合模型折标能耗降低了14．71%．［关键词］中央空调达标时间，组合预测模型，随机森林，深度特征提取，过拟合，样本不平衡［中图分类号］TP181［文献标志码］A［文章编号］1672－1292(2023)01－0056－10ForecastingModeloftheTimeＲequiredforCentralAirConditioningtoAchieveControlEffectBasedonDividedWorkingModeWangKe1，LuHuanda2，ZhengJunhong1，HeLili1(1．SchoolofInformationScienceandTechnology，ZhejiangSci-TechUniversity，Hangzhou310018，China)(2．SchoolofComputerandDataEngineering，NingboTechUniversity，Ningbo315100，China)Abstract:Inordertosolvethepredictionproblemofthetimeforcentralairconditioningtoachievethecontroleffect，whilemeetingcentralairconditioningtemperature-humiditycontrolprocessrequirementsandenterpriseenergysavingreductionrequirements，acombinedpredictionmodelisproposedinaccordanc...
