摘要：本文针对冷水机组运行参数繁多的特点,提出了一种结合ReliefF和最大相关最小冗余(minimal-Redundancy-Maximal-Relevance,mRMR)算法的两阶段特征选择算法。实验利用筛选出的特征子集建立支持向量回归模型进行能耗预测,并与单一特征选择算法的结果进行比较。结果表明,与单独使用ReliefF和mRMR算法的预测模型相比,ReliefF-mRMR预测模型的最高精度分别提高了2.22%和0.83%,平均预测精度分别提高了3.92%和8.11%;在最优精度的情况下,ReliefF-mRMR预测效率比ReliefF算法仅降低了0.87%,比mRMR算法提高了53.60%。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社