机器学习在制冷与空调方面的应用

近年来，机器学习发展如火如荼。机器学习作为人工智能最有效的方法得到越来越多的应用。
机器学习Python库的成熟发展大大降低了传统行业技术人员应用机器学习算法的门槛。

本文主要搜集机器学习在制冷、暖通空调方面应用的文章并附上知网的链接，以供参考。

能耗预测

1. 程亚豪,陈焕新,王江宇.基于机器学习的住宅能耗预测[J].制冷与空调,2019,19(05):35-40.
   Key Words：支持向量机、BP神经网络、随机森林和梯度提升机
2. 2017-基于SVM的大型公共建筑能耗预测模型与异常诊断，周峰等，土木工程与管理学报
   Key Words：支持向量机
3. 吴成东,丛娜,孙常春. 基于混沌神经网络的建筑节能综合评价[J]. 沈阳建筑大学学报, 2010,26(01):188-191.
   Key Words：CNN、混沌神经网络

故障诊断

1. 范雨强,崔晓钰,韩华,陆海龙,武浩,徐玲.不平衡数据技术在冷水机组故障诊断中的应用[J].工程热物理学报,2019(06):1219-1228.
   Key Words：支持向量机、过采样技术（SMOTE）、不平衡数据
2. 李正飞,谭泽汉,陈焕新,刘江岩,黄荣庚,刘佳慧.基于ReliefF与mRMR耦合特征选择的多联机制冷剂充注量故障诊断[J].暖通空调,2018,48(10):53-58.
   Key Words：BP神经网络

产品开发

1. 曹志坤. 制冷陈列柜性能仿真SVM方法的研究及应用[D].上海交通大学,2010.
   Key Words：支持向量机

其他

1. 邢勇强,邢献军,张静,李永玲,张学飞,张贤文.基于机器学习的生物质三组分含量预测[J].太阳能学报,2019,40(05):1330-1337.
   Key Words：支持向量回归机
2. 江志农，赵南洋，夏敏，赵飞松，高佳丽，张进杰. 一种基于流形学习和 KNN算法的柴油机工况识别方法[J]. 噪声与振动控制, 2019, 39(3): 1-6.
3. 李峰,谭超,董峰.全连接深度网络的电学层析成像算法[J].工程热物理学报,2019,40(07):1526-1531.
   Key Words：仿真数据库、图像重建、全连接深度网络