林康强，林育松

(1.广州美术学院 建筑艺术设计学院,广东 广州 510006；2.香港中文大学(深圳)深圳高等金融研究院,广东 深圳 518000)

建筑节能是绿色建筑的三大要素之一，也是当前建筑领域的研究热点，在设计初期对建筑能耗进行动态模拟分析，是实现建筑节能的关键.研究表明采暖能耗和空调能耗在建筑能耗中占据很大比重，而气候变化是影响采暖和空调使用的主要因素[1]，因此对建筑气候数据进行分析，对精确构建建筑能耗模型具有重要意义.然而由于历史原因，我国早期气象台站气候测量仪器较为老旧，同时采取人工纸记的方式获得的气候数据存在主观性强、误差大、精度低等问题，为使有限且宝贵的历史气候数据在能耗模拟和气候研究等领域发挥更大作用，首先需要对其进行清洗，以提升数据的正确性、完整性和实效性[2].

数据清洗是采用某种方法对数据进行分析，发现其中的错误、冗余、不确定或不一致等“脏数据”并对其进行解析、增强或归并[3].文献[4]针对数据集中存在的丢失值、错误值和冲突值等问题进行研究，提出一种基于网络模式的数据清洗方法，利用文本之间依赖关系挖掘数据中的隐含信息，从而达到数据清洗的目的，基于网络文本数据的实验验证了所提方法的有效性；文献[5]针对数据集中的重复冗余问题，利用N-Grams算法对每个数据计算属性键值，并生成哈希表和哈希值，最后利用哈希值对数据之间的相似程度进行量化和判断；……