Resumen

Presentamos nuestro modelo de aprendizaje automático supervisado basado en datos para predecir la carga térmica de edificios en un sistema de calefacción urbana (DHS). Aunque el aprendizaje automático se ha utilizado como enfoque para la predicción de carga térmica en la literatura, es difícil seleccionar un enfoque que califique como una solución para nuestro caso, ya que las soluciones existentes son bastante específicas del problema. Por esa razón, comparamos y evaluamos tres algoritmos de aprendizaje automático dentro de un marco de trabajo en datos operativos de un sistema de calefacción urbana para generar el modelo de predicción requerido. Los algoritmos examinados son la Regresión de Vectores de Soporte (SVR), el Mínimo Cuadrado Parcial (PLS) y el bosque aleatorio (RF). Utilizamos los datos recopilados de edificios en varias ubicaciones durante un período de 29 semanas. En cuanto a la precisión de la predicción de la carga térmica, evaluamos el rendimiento de los algorit

• Materias:Ecuaciones diferenciales Axiomas de lógica Intervalo Semiilimitado Deformación no lineal Cadenas homotópicas
• Subjects:Differential equations Logic axioms Semi-limited interval Nonlinear deformation Homotopy chains
• Palabras claves:Basado en datos; Supervisado; Aprendizaje automático; Predicción de carga térmica; Algoritmos; SVR
• Keywords:Data-driven; Supervised; Machine-learning; Heat load prediction; Algorithms; SVR