The table illustrates that the mode

The table illustrates that the model result fits the historical power consumption data with an average coefficient of a high multiple determination (R2-value). Testing the model by F-test, a validation for the significance of all regression coefficients, we can draw the conclusion that all factors have remarkable effects on the building power consumption. Using t-test, which represents the significance of a single variable, we can see that the variable DAY of commercial buildings is not significantly correlated with the building power consumption. An acceptable reason is that the influence of weekend is insignificant on the power consumption though customers and sales surge at weekends. So we redo the regression process after eliminating the factor-DAY. The result is presented in Table 3.
Table 3 Modified regression results of total power consumption in commercial buildings
Type CB1
CB2
Season Cooling weeks
Cooling weeks
Impact factor C
CDH C CDH
Regression coefficient 170720.9 47.53724 296627.7 69.8585
F-test 5.58E-22
1.4E-23
t-test R2 1.99E-31
5.58E-22 0.95 2.28E-35
1.40E-23 0.96
As seen from the table, the fitness of the model is still good. For there is only one factor left, F-test and t-test are the same, indicating that the CDH has a remarkable influence on the power consumption of the commercial building.
We use the trained prediction model to predict the power consumption in 2014 and validate the prediction effect by real-time monitoring data. Table 4 demonstrates the predictive effect of total power consumption of different buildings types in cooling season.

ผลลัพธ์ (ไทย) 1:

ตารางแสดงว่า ผลรุ่นเหมาะกับข้อมูลปริมาณการใช้พลังงานประวัติศาสตร์กับสัมประสิทธิ์การเฉลี่ยของสูงหลายกำหนด (R2-ค่า) การทดสอบแบบจำลอง โดยการทดสอบ การตรวจสอบสำหรับความสำคัญของค่าสัมประสิทธิ์ถดถอยทั้งหมด เราสามารถวาดข้อสรุปว่า ทุกปัจจัยมีผลโดดเด่นอาคารใช้พลังงาน ใช้ทดสอบ t ซึ่งแสดงถึงความสำคัญของตัวแปรเดียว เราจะเห็นได้ว่า อาคารพาณิชย์วันผันแปรไม่ความสัมพันธ์อย่างมากกับอาคารใช้พลังงาน สาเหตุยอมรับได้คือ ว่า อิทธิพลของสัปดาห์เป็นสำคัญในการใช้พลังงานว่ากระชากลูกค้าและการขายในวันสุดสัปดาห์ ดังนั้นเราสามารถทำซ้ำกระบวนการถดถอยหลังกำจัดปัจจัยวัน ผลแสดงในตารางที่ 3ตารางที่ 3 ปรับถดถอยผลของการใช้พลังงานในอาคารพาณิชย์ ชนิด CB1CB2สัปดาห์ความเย็นฤดูกาลระบายความร้อนสัปดาห์ที่ผ่านมาผลกระทบปัจจัย Cชมา C ชมาค่าสัมประสิทธิ์การถดถอย 170720.9 47.53724 296627.7 69.8585ทดสอบ 5.58E-221.4E-23ทดสอบ t R2 1.99E-31 5.58E-22 0.95 2.28E-351.40E-23 0.96 เท่าที่เห็นจากตาราง การออกกำลังกายของรูปแบบจะยังคงดี มีเพียงหนึ่งปัจจัยซ้าย F-test และทดสอบ t เหมือนกัน ระบุว่า ชมาที่มีอิทธิพลโดดเด่นในการใช้พลังงานของอาคารพาณิชย์เราใช้แบบฝึกทำนายทำนายการใช้พลังงานในปี 2557 และตรวจสอบผลการคาดเดา โดยข้อมูลการตรวจสอบแบบเรียลไทม์ ตารางที่ 4 แสดงการทำนายผลของการใช้พลังงานของอาคารชนิดระบายความร้อนตามฤดูกาล

ผลลัพธ์ (ไทย) 3:

ตารางแสดงผลแบบเหมาะกับข้อมูลการใช้พลังงานทางประวัติศาสตร์ที่มีค่าสัมประสิทธิ์เฉลี่ยสูงหลายกำหนด ( R2 ค่า ) การทดสอบแบบจำลอง โดยใช้ F-test , การตรวจสอบสำหรับความสำคัญของการถดถอยทั้งหมด เราสามารถวาดข้อสรุปว่าทุกปัจจัยมีลักษณะพิเศษที่โดดเด่นในอาคาร การใช้พลังงาน โดยใช้ t-test ซึ่งแสดงถึงความสำคัญของตัวแปรเดียว เราจะเห็นได้ว่าตัวแปรวันที่ อาคารพาณิชย์ ไม่มีความสัมพันธ์กับอาคาร การใช้พลังงาน เหตุผลที่ยอมรับได้ คือ อิทธิพลของวันหยุดมันไม่สำคัญในการใช้พลังงานแม้ว่าลูกค้าและยอดขายเพิ่มขึ้นในวันหยุดสุดสัปดาห์ เราทำซ้ำกระบวนการถดถอยหลังขจัดปัจจัยวันนี้ ผลที่แสดงในตารางที่ 3ตารางที่ 3 ผลของการดัดแปลงพลังงานทั้งหมดในอาคาร พาณิชย์ประเภท cb1CB2ฤดูเย็นอาทิตย์เย็นอาทิตย์ผลกระทบปัจจัย CCDH C CDHค่าสัมประสิทธิ์การถดถอย 170720.9 47.53724 296627.7 69.85855.58e-22 เอฟ1.4e-23ค่า R2 1.99e-315.58e-22 0.95 2.28e-351.40e-23 .เท่าที่เห็นจากตารางความเหมาะสมของแบบจำลองจะยังคงดี มีเพียงปัจจัยเดียว ซ้าย , F-test และ t-test มีเหมือนกัน แสดงว่า CDH มีอิทธิพลน่าจับตาในการใช้พลังงานของอาคารเชิงพาณิชย์เราใช้ทำนายการฝึกทำนายการใช้พลังงานใน 2014 และตรวจสอบการทำนายผลจากข้อมูลการตรวจสอบเวลาจริง ตารางที่ 4 แสดงผลการทำนายการใช้พลังงานรวมของประเภทอาคารที่แตกต่างกันในฤดูเย็น