建筑物耗能在整体能耗的占比很高，其二氧化碳排放量也很高，因此提高建筑的能源效率不仅是一项节约成本的措施，也是一项重要的气候变化减缓战略。因此，建筑智能化正在世界各地兴起。
智能建筑实现了供暖、通风和空调（HVAC）、照明、电力和安全等系统的自动化。自动化需要感知数据，如室内外温度和湿度、二氧化碳浓度和居住状态。智能建筑利用数据结合各种技术，可以使其更加节能。由于暖通空调系统占建筑物能源使用量的近一半，因此智能建筑使用智能恒温器来自动控制暖通空调，并自动学习建筑物住户的温度偏好。
来自麻省理工学院信息与决策系统实验室(LIDS)的研究人员与Skoltech科学家合作，设计了一种新型智能恒温器，它使用数据高效算法，可以在一周内学习最佳温度阈值。研究成果发表在《AppliedEnergy》杂志上。
为了加快学习过程，研究人员使用了一种名为流形学习（manifoldlearning）的方法，其中复杂和高维的函数被称为流形的较简单和较低维的函数所代表。通过利用流形学习和建筑热力学知识，研究人员用一组阈值策略取代了一种通用的控制方法，这种控制方法可以有很多参数，每个策略都有更少、更可解释的参数。为学习最佳流形而开发的算法需要更少的数据，因此它们的数据效率更高。
为恒温器开发的算法采用了一种叫做强化学习(RL)的方法，这是一种数据驱动的顺序决策和控制方法，近年来在双陆棋和围棋等游戏方面备受
转载请注明：http://www.0431gb208.com/sjszyzl/5600.html
