1 / 7

計畫 & 行程

計畫 & 行程. Presenter : Min- chia Chang Advisor : Prof. Jane Hsu Date : 201 1 - 01 - 08. 1.( 修改 ) 空調 控制器狀態 預測. Dataset : Camera label D={( x n ,y n )} Generate feature n ominal & numeric 有意義的 Normalize : [0,1] Bagging ( b ootstrap aggregation) Feature selection Wrapper

kiefer
Download Presentation

計畫 & 行程

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 計畫&行程 Presenter : Min-chia Chang Advisor : Prof. Jane Hsu Date : 2011- 01- 08

  2. 1.(修改)空調控制器狀態預測 • Dataset : Camera labelD={(xn,yn)} • Generate feature • nominal & numeric • 有意義的 • Normalize : [0,1] • Bagging (bootstrap aggregation) • Feature selection • Wrapper • Information gain • Missing value • 內插 • Encode NTU CSIE iAgent Lab

  3. 2.計算某些規則下的比例 • 已知該區域第n分鐘: • 空調狀態yn={off,on1,on2} (經由空調控制器預測) • 有/無人狀態mn={yes,no}(經由紅外線感測器資料) • 室內溫度t_indoorn(經由溫濕度感測器資料) • 熱舒適溫度範圍t_lowern~ t_uppern(經由問卷資料以及t_indoorn) • 可計算該區域一段時間內 • 各種yn之比例,各種mn之比例 • 浪費比例 • yn=on &&mn=no • yn=on && mn=yes && t_indoorn<t_lowern && t_indoorn>t_uppern NTU CSIE iAgent Lab

  4. 出風口溫度 收集器 室內溫度 收集器 空調資訊 收集器 室外溫度 收集器 舒適比例 分析中心 熱舒適溫度公式 空調狀態 預測機 空調設定 收集器 有/無人資訊 收集器 3.問題定義 - 第一部分 NTU CSIE iAgent Lab

  5. 4.碩士論文 background 完成 • 相關研究 • 節能 • ubiquitoussensor • 空調本身 • 用電資訊了解&分析 • 相關技術 • 熱舒適溫度（ｄｏｎｅ） • Machine Learning相關技術 NTU CSIE iAgent Lab

  6. 計畫表 NTU CSIE iAgent Lab

  7. 第二部分 • 先用一號電錶PAC來計算PAC/Ptotal之比例 • 用此比例得到一段時間內每小時PAC之值(1,2,3號冰水主機) • 將PAC之值Cluster成3群 • 空調高、中、低用電 (ground truth) • feature: 每個區域各種sensor資料+context資料 • label: PAC屬於哪群 • 做machine learning分析, 找出各區域與PAC之關係 (e.g.只靠哪些區域的feature就容易預測出空調高用電時段 => 哪些區域與空調高用電時段有很大的關係) NTU CSIE iAgent Lab

More Related