于军琪，段佳音，赵安军，井文强，王佳丽

(西安建筑科技大学 建筑设备科学与工程学院，西安 710055)

办公建筑在全生命周期中普遍存在能耗大、能效低等问题，导致严重的能源浪费。其节能潜力巨大，降耗幅度可以达到30%～50%[1]。其中，办公建筑运行能耗占比最大。因此，研究办公建筑的运行能耗情况具有重要意义，对其进行实时准确地预测可以为优化运行效率提供数据决策，从而实现节能目标。

建筑能耗的预测方法主要分为两大类：正演模型和数据驱动模型。笔者根据获得的办公建筑历史能耗数据特点，利用数据驱动模型中的时间序列法进行能耗短期预测。机器学习预测方法是最常用的短期能耗预测方法，已经广泛应用于风速预测[2]、电力需求预测[3]、建筑能耗预测[4]、建筑冷负荷预测[5]等能源领域。目前国内外建筑能耗时间序列预测方法应用较为广泛的有：人工神经网络[6](ANN, artificial neural network)、差分整合移动平均自回归[7](ARIMA, autoregressive integrated moving average)、支持向量回归[8](SVR, support vector regression)、多元线性回归[9](MLR, multiple linear regression)等。办公建筑除了室外气象参数和围护结构等本体能耗外，还有机电设备、节假日、人员占用率等复杂的运行能耗，造成其能耗时间序列具有非线性特征。为了深入挖掘其时间序列内部的非线性规律，提高预测精度，研究者们将不同的算法与人工神经网络和支持向量机结合，建立了多种办公建筑混合预测模型。文献[9]根据天气、人员等多种因素利用MLR方法对办公建筑的逐日冷负荷进行了回归预测，与实际负荷相比平均绝对百分误差小于8%。……