Resumen

Dado que el consumo de energía de los edificios residenciales representa una gran parte del consumo de energía de los edificios, es importante promover la eficiencia energética en los edificios residenciales para un desarrollo ecológico. Para evaluar el consumo energético de los edificios residenciales de forma más eficaz, este artículo propone un modelo de predicción combinado basado en un bosque aleatorio y una red neuronal BP (RF-BPNN). Para verificar el efecto de predicción del modelo combinado RF-BPNN, se realizaron experimentos utilizando el conjunto de datos de eficiencia energética de la base de datos de la UCI, y el modelo se evaluó con cinco indicadores: error medio absoluto, desviación media cuadrática, error medio porcentual absoluto, coeficiente de correlación e índice de coincidencia. En comparación con el bosque aleatorio, el modelo de red neuronal BP y otros modelos existentes, respectivamente, los resultados experimentales demuestran que el modelo RF-BPNN posee una mayor precisión de predicción y una mejor estabilidad.

• Materias:Dióxido de carbono Perforación de pozos de minas Yacimientos minerales Minería Minas y minería Geofluidos
• Subjects:Carbon dioxide Shaft sinking Mineral deposits Mining Mines and mining Geofluids
• Palabras claves:edificio residencial, consumo de energía, bosque aleatorio, error porcentual absoluto, desviación cuadrática media, mayor precisión de predicción, modelo de red neuronal, rf, datos de eficiencia energética, modelo de predicción combinado
• Keywords:residential building, energy consumption, random forest, absolute percentage error, means square deviation, higher prediction accuracy, neural network model, rf, energy efficiency data, combined prediction model