能源与环境是当今世界的两大热点问题， 越来越受到世人的瞩目。我国是
能源消费大国， 能源利用率低，人均能源储备很少， 节能工作成为了国家当务
之急的重任。本文借助新兴的数据挖掘技术来研究和预测建筑能耗， 为本专业
在建筑能耗领域的研究提供新方法和新思路， 做出跨学科研究的新探索。
这篇论文主要是使用SAS实现，按照SAS 软件提出的SE刷A 数据挖掘方法论， 建立一个完整的数据挖掘流程， 并借助
多元线性回归
和
主成分分析
的数据挖掘算法得到两个回归模型。通过对两个模型的解释、说明、比较和验证，最终确定回归模型I 作为本研究阶段的商用建筑能耗预测模型。
建筑节能工作的顺利进行离不开对建筑能耗的准确把握、科学分析和合理预测。同时， 对于新建建筑的设计、建筑用能的评估、楼宇设备的运行管理等工作也都需要了解建筑的用能特点和规律， 并做出合理的分析和预测。近些年来国内外的专业人士在这一领域进行了不懈的探索， 取得了许多重大成果。
1.计算机能耗模拟2. 建筑能耗统计调查3. 统计分析方法应用于建筑能耗研究4. 暖通空调领域的专家系统5.数据挖掘
在建筑能耗的研究领域中， 客观规律比较复杂， 各个方面的因素对建筑能耗的影响都不是线性的， 并且有时在各个因素之间也有复杂的联系。因此，单纯采用统计分析的方法来研究建筑能耗有一定的局限性， 它只能在某些特定领域取得较理想的结论。
利用数据挖掘方法得到各个影响因素与建筑能耗的关系， 并借助
回归、决策树、神经网络、主成分分析等多种挖掘算法
进行能耗预测模型的研究。对数据挖掘的结果进行比较分析， 并对各个预测模型进行评价， 确定最终的商用建筑能耗预测模型。
采用的数据库：上海市商用建筑信息数据库
对特征进行分析（论文19页）可以考虑进去CBECS数据库
数据挖掘采用了各种分析方法和技术，包括分类、回归、聚类、关联建模和偏差检测等，数据挖掘技术给我们的能耗分析工作以新的启示: 建立有关建筑物能耗的数据库，运用数据挖掘技术找出建筑能耗与各种影响因素的关系，并建立能耗模型， 运用此模型可以简便、快捷地对建筑运行能耗进行分析和预测、对能源使用效率进行评定、并进行财务预算、节能措施评估等， 并且此模型具有很好的通用性。
描述性数据挖掘任务
是对数据中存在的规则做一种描述， 或者根据数据的相似性把数据分组， 规划数据库中数据的一般性。预测性数据挖掘任务是在当前数据上推断， 根据数据项的值精确预测某种结果， 任务所使用的数据都是可以明确知道结果的。描述性数据挖掘任务不能直接用于预测。
参考文献 ： 基于数据挖掘理论的商用建筑能耗分析与预测方法的研究_陈晨