《表3 目标建筑与影响因素的非线性相关性测度》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于相关性分析和长短期记忆网络分位数回归的短期公共楼宇负荷概率密度预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由表2可知，传统的皮尔逊相关分析法有时候会忽略变量之间的非线性相关性。例如夏季湿度与目标楼宇负荷的皮尔逊相关系数较低，但用基于Copula函数的相关性测度法得到的相关性则较高；这说明夏季的湿度和目标楼宇负荷的线性相关程度较低，但非线性相关程度较高，两者之间存在强相关关系。此外，从表2分析可知：不管在哪个季度，目标楼宇的负荷和人类活动（建筑占用率）有着很高的相关性；此外，目标楼宇负荷与各种气象指标在不同季节有着不同的相关程度。春季时，与目标楼宇负荷最相关的天气指标是气温，夏季是气温和湿度，秋季是气温、湿度和气压，冬季是湿度。综上，根据分析的差异性修正不同季节的输入变量。在春季时应当选取建筑占用率、气温当作预测的输入量，夏季是建筑占用率、气温、湿度；秋季是建筑占用率、气温、湿度、气压；冬季是建筑占用率、湿度。