题目一：基于迁移学习的多模态长期建筑能耗预测方法

主讲人：陈美玲（专业：管理科学与工程，导师：范成老师）

摘要：现有的长期建筑能耗预测缺乏高效的、数据驱动的预测方法，其主要原因是目标建筑可能有数据短期的问题。迁移学习技术是一种很有前景的方法，可以为数据短缺问题提供一种解决方案。然而，迁移学习技术在建筑领域是一个相对新的、未知的领域。因此，本文开发了一种基于迁移学习的多模态长期建筑能耗预测方法，在数据整合利用方法和建筑能耗预测方法上进行递进式设计，探究不同方法的有效性以及可达到的精度范围。以开放数据集 Building Data Genome 2 (BDG2) Data为基础，通过数据实验形成统计学上有意义的量化结果，供后续研究参考。

题目二：基于半监督神经网络的空气处理机组故障检测和诊断研究

主讲人：刘旭媛（专业：管理科学与工程，导师：范成老师）

摘要：空气处理机组的故障诊断是建筑节能领域的重点问题之一。现有研究证明了数据驱动的故障诊断方法可以在保证自动化水平的前提下，大幅提升诊断精度。这类方法采用监督类算法建模，因此对数据标签有较高要求。在实际应用中，数据标签的获取需要耗费大量的人力和时间成本，且建筑个体的大部分运行数据都为无标签数据。针对这一问题，本文提出了一种基于半监督神经网络的FDD方法。该方法采用了半监督学习的自训练策略，并在故障诊断和不可见故障检测两个实际应用中进行了测试。结果表明，该方法利用了大量无标签数据，有效地提高了模型泛化性能。研究成果有助于开发智能建筑系统故障检测与诊断的先进数据驱动工具。

时间：2021年11月03日（周三）12:30-13:30

地点：沧海校区致理楼L3-709

主持人：廖龙辉红足一1世66814助理教授