python 建筑计算_用相关系数从真实建筑数据中挖掘影响建筑能耗的因素

前言：传统的建筑能耗分析来源于建筑的物理模型，主要是基于传热学理论发展而来，这种方法也常被称为“白箱模型”。如果从传热角度出发，影响建筑能耗的参数更多地来源于气候条件、围护结构（屋顶、外墙、外窗和地面等）和空调系统。现实建筑的元素是无法用传热的模型来模拟的，例如人的行为。那从真实的建筑数据挖掘出影响建筑能耗的参数有哪些呢？

上次介绍的研究是使用决策树模型来挖掘影响建筑能耗的参数，事实上已有的研究应用了多种方法来进行实现这样的目的，主要有：

• 相关系数（Pearson Correlation Coefficient），文献有Theodoridou et al. 2011等。
• Chi-square测试，文献有Aksoezen et al. 2015等。
• 方差分析（Analysis of variance，ANOVA），包括t-test等方法，文献有Petcharat et al. 2012等。
• 回归分析的系数（variable coefficients in regression models），文献有决策树模型 (Yoon et al. 2018)

Pearson Correlation coefficient方法可以说是上面所有方法中最简单容易理解，也是在研究中被最多使用的方法。