俞准，刘竹清，李郡，周亚苹，黄余建，张国强

（1.湖南大学 土木工程学院，湖南 长沙 410082；2.湖南大学 建筑安全与环境国际联合研究中心，湖南 长沙 410082）

建筑在室行为是影响建筑能耗的主要因素之一[1].就住宅建筑而言，研究表明对其住户的在室行为，尤其是在室状态（即居民是否在室），进行合理定量描述和准确长期预测，是提升建筑能耗预测和模拟精度的有效手段[2].现有住宅建筑在室状态预测模型主要包括统计概率模型、数据挖掘模型、马尔可夫链（Markov Chain，MC）模型和Agent-based 模型，其中应用最为广泛的是马尔可夫链模型[3]，该模型考虑了在室状态在时间上的关联性并能在一定程度上刻画建筑住户行为的随机性.例如，Richardson 等人[4]基于英国TUS 数据库，分别针对工作日及非工作日建立MC 模型以预测住户在室状态.结果表明该方法可以较好地预测在室状态，但其局限性也较为明显，主要体现在该方法是对数据库中所有住户进行统一预测，忽略了不同住户之间的差异性.考虑到不同特征住户的在室规律有所不同，该方法必然导致模型预测性能下降.对此，有学者在对住户进行分类的基础上进行在室状态预测.例如，Flett 等人[5]首先选取部分住户特征参数对英国住宅进行分类，然后对不同类住户在室状态进行分别预测.该方法可在有效降低计算量的同时提高模拟精度，但仍存在明显的局限性：一是所选取的住户特征参数受研究者自身经验和主观因素影响，容易忽略部分与在室行为相关的重要因素；……