预测系统(功率预测系统)

连日来的一周，被中国工程院院士钟南山点赞的\"兰州大学新冠肺炎疫情全球预测系统\" ( 发布网址：/d/file/gt/2023-09/i1tajjqm3rg ) 火爆刷屏网络，一度冲上\"热搜榜\"。近日，中新社记者走进兰州大学，探访了该预测系统研发背后的故事。

不知道该做啥？

奋战 3 个月，交了\"全球首个\"的作业

\"疫情发生后，我们该做点啥？当时挺着急。看全国人民都去支援武汉，但我们做不了啥，搞大气科学，做预测、做预报是我们的强项。我们决定建立全球预测系统，希望能为各个国家政府提供一些参考资料。\"兰州大学西部生态安全省部共建协同创新中心主任黄建平教授接受记者采访时说，\"新冠疫情是全世界面临的共同灾难，没有一个国家可以独善其身，必须携手应对。\"

兰州大学西部生态安全省部共建协同创新中心，是 2018 年 12 月获教育部认定，由兰州大学牵头，中国科学院相关研究所，西藏大学、青海大学等高校，以及甘肃省治沙研究所等地方研究机构协同参与；聚焦区域、行业战略需求和西部生态安全问题，开展协同创新研究，提供技术支撑与决策咨询。

兰州大学西部生态安全省部共建协同创新中心主任黄建平教授 ( 后排中 ) 和其研究团队。兰州大学供图

该研究团队发挥 30 年来在统计—动力方法气候预测方面的技术专长和优势，在现有区域疫情预测模型基础上，综合考虑环境温度、湿度、人口密度和疫情防控措施等关键信息对疫情传播的影响，以及疫情在全球蔓延的复杂情况，对当时有疫情的 180 多个国家分别建模，经反复测试，奋战三个月，最终形成了\"新冠肺炎疫情全球预测系统\"。

2020 年 5 月，兰州大学发布新冠肺炎疫情全球预测系统。该系统两次获钟南山点赞。兰州大学供图

2020 年 5 月系统上线发布。跨学科研究是该系统最为突出的特点，它将气候预测中的统计—动力方法与流行病学模型相结合，创建了世界上首个全球新冠疫情预测系统。

新冠肺炎疫情全球预测系统流程图。兰州大学供图

\"以往的公共卫生和流行病并不注重预测，更多的是，事件来了就进行确诊和救治。\"黄建平说，我们引入了天气预报的一些技巧，例如预报员做预报时，他们总会根据天气前期的演变，来预测未来天气情况，就像从西伯利亚来了一股寒流，寒潮的到来会给我们今后的天气带来什么影响。\"

该系统是基于传统流行病学模型研发的，引入大气科学中天气预报的技巧。将前期疾病的传播过程、政府的管控措施等参数引入系统预测，不仅科学预测疫情发展，还提供归因分析，为研判疫情态势、采取有效防控手段提供了科学依据。

每十天更新预测结果

\"准\"到让钟南山两次点赞

时值寒假，由老师和学生组成的这支研究团队还在紧张工作。兰州大学拥有这个系统完全自主的知识产权。

截至目前，该系统已对全球有疫情数据的 190 多个国家进行了未来一日、一月以及两个季度的新冠疫情预测，并且每 10 天更新一次预测数据，预测数据面向全世界免费开放。

系统自上线以来，对全球有疫情数据的 190 多个国家进行了未来一日、一月以及两个季度的新冠疫情预测，每 10 天更新一次预测数据。兰州大学供图

该系统对 2020 年 6 月北京新发地突发疫情的预测结果表明，自 6 月 11 日开始的北京小规模疫情暴发实际新增 335 人，预测新增 310 人。由于北京在第一时间内采取了严格的管控措施，迅速降低了感染率，避免了疫情的大规模暴发。除了 6 月 24 日开始的小高峰，疫情发展趋势与预测较为一致，显示了系统较好的预测能力。

该系统对 2020 年 6 月北京新发地突发疫情的预测结果。兰州大学供图

2020 年 6 月 23 日，钟南山在接受记者采访，针对北京近期发生的聚集性疫情时说，由于采取强化核酸检测和对病例细致的追踪等强有力措施，北京的疫情目前得到了有效控制。

同时他说，\"兰州大学的一个模型的预测，假如没有任何的干预，大概在同样的时间，北京会传播 20 万人。这就是我们在中国进行很有力的这种防控措施所取得的结果。\"

2021 年 1 月 31 日，钟南山院士在\"广州实验室科技助力基层疫情防控万里行\"启动仪式上，再次提及兰州大学。

他说，兰州大学西部生态安全省部共建协同创新中心研发的\"新冠肺炎疫情全球预测系统\"的预测是相当可靠的。对于 2020 年北京新发地疫情的预测以及今年吉林、河北、黑龙江等地的预测基本和后来的疫情发展一致。

2021 年 1 月 11 日，该系统对河北疫情的预测图。兰州大学供图

两次点赞，让黄建平团队得到了莫大的鼓励。

黄建平说，\"预测系统在不断升级，预测结果准确性也在不断提升，但被广泛认可仍旧是难题。我们会将一些预测结果，通过邮件的方式发给一些国家、地区和组织，但邮件往往是石沉大海，没有任何回复。\"

\"去年北京新发地以及河北、黑龙江等地疫情暴发后，我们将系统介绍和疫情预测，通过邮件的方式发送给了钟南山院士和中国疾控中心首席流行病学专家吴尊友教授。\"黄建平说，\"我们很快收到了回复，双方沟通了模型的相关问题。这对我们来说，是莫大的鼓励。\"

预测系统升级至第二版

希望为智慧城市建设\"添砖加瓦\"

目前，该系统已经更新至第二版，相较于第一版，加入社区解封时间、市民自我隔离对疫情发展的影响等因素，以期获得更好预测结果，为研判疫情态势、采取有效防控手段提供科学依据。

黄建平说，此前国内也有其他学校对国内疫情进行预测，但是没有继续进行下去。这是目前世界上唯一并且坚持做全球疫情预测的系统。

谈及未来第三版、第四版的升级换代，黄建平说，计划将各个口岸、飞机场每天进出人数，以及飞机途经的国家、自然灾害对疫情的影响、不同风险区的环境效应对疫情的影响等参数引入预测系统，以提高预报准确率 ; 同时还将发展为网格化的预测模型，使预测单位能精确到县级。

\"未来，我们还将尝试将这个系统做成全球流行病学预测系统。\"黄建平说，计划根据每个城市具体情况研发出精准的子模式，一旦这个城市出现疫情，能快速、精准地做出预测，为政府部门和民众提供参考信息，让预测系统成为智慧城市建设的一部分。

来源： 中国新闻社微信公众号

免责声明：

本“2023河南高考填报志愿参考数据”是基于往年高考数据分析得出的结论，旨在为同学和家长指明选择志愿的方向，帮助各位考生及家长作出理性决策，仅做为高考志愿填报参考之用，不构成任何形式的推荐或者建议。任何结论均不代表本网观点和看法，与本网立场无关，更不作为软件提供者承担责任的依据。

我们对您高考志愿的填报结果不承担任何责任。如果对免责声明无异议，请选择使用！

从解析方法到数值方法再到数据驱动方法

本文将探讨科学研究和问题求解方法的演进之路。在用易于理解的方式介绍三种求解方法之后，本文将对比三者的优缺点并展望三种方法在未来的有效结合，本文旨在用简单易懂的语言讲述人类用不同数学工具求解不同问题的原因。

解析方法是基于数学和逻辑推理，通过推导和分析来得出具有精确解析表达式结果的方法。解析方法常用于理论物理、数学推导和推理等领域。由这种方法求得的结果我们称为解析解。作为最早出现的求解方法，解析方法凝聚了人类的智慧。

解析几何

解析方法对人类的贡献是深远的。通过推导和分析，解析方法为数学、物理学以及其他学科的理论建模和问题求解提供了强大的工具。它帮助人们深入了解问题的本质和规律，为科学研究和工程应用提供了可靠的基础。解析方法的传承和教育培养了人们的逻辑思维和问题解决能力，促进了创造力的发展。它还能建立准确的数学模型，为预测和预测系统的行为提供支持。解析方法的应用不仅在物理、工程和经济领域有着重要意义，而且在数学发现和物理定律的推导中也发挥着关键作用。总之，解析方法为人类的知识拓展、科学发展和问题解决提供了宝贵的贡献。

数值方法是一种通过使用数值逼近和计算技术来解决数学问题的方法。与解析方法不同，数值方法通过将问题转化为离散的数值计算问题，并使用近似计算来获得数值解。数值方法在科学计算、工程模拟和实际应用中具有重要的地位。

有限元仿真结果

数值方法对人类的贡献是重大的，它们为科学研究、工程设计和实际应用提供了强大的数值计算工具和方法。通过数值逼近和计算技术，数值方法能够解决复杂的数学问题和方程，并为问题的模拟、优化和预测提供准确的数值结果。数值方法的发展推动了现代计算机科学和高性能计算的进步，并在各个领域中提供了精确、高效的问题求解能力。因此，数值方法在拓展知识边界、促进技术创新和推动人类进步方面发挥着关键的作用。

数据驱动方法是近年来快速发展的一种方法，它利用大数据和机器学习算法来解决实际问题。数据驱动方法通过分析大量真实数据来获取模式和规律，并利用这些模式和规律进行预测和决策。这种方法适用于许多领域，如人工智能、模式识别和预测分析。

数据驱动方法的贡献是重大的，它们为科学研究、工程设计和实际应用提供了强大的数据分析和决策支持工具。通过大数据和机器学习算法，数据驱动方法能够从数据中提取模式和规律，并利用这些模式和规律进行预测、优化和决策。这种方法的发展推动了现代数据科学和人工智能的进步，并在各个领域中提供了精确、高效的问题解决能力。

解析方法、数值方法和数据驱动方法在数据分析和问题求解中具有不同的特点、优缺点和适用范围。解析方法的优点在于它提供了精确的解决方案和强大的数学证明能力。通过数学的推导和分析，解析方法能够给出准确的结果并提供深入的理论洞察。这种方法在解决简单和理想化的问题时非常有效，能够为问题提供确切的解决方法和明确的解释。

然而，解析方法也有一些局限性。对于复杂和现实世界的问题，很难找到闭合形式的解析解。非线性问题和多参数问题也可能难以通过解析方法求解。此外，当问题涉及高维度的数据或复杂的模型时，解析方法可能面临困难，计算和理论推导变得复杂甚至不可行。相比之下，数值方法通过数值逼近和计算技术来解决问题，具有一定的优势。数值方法适用于复杂问题和现实世界的情况，能够处理各种数学问题和方程。它提供了广泛的数值计算工具和算法，使得近似解和迭代过程成为可能。数值方法的灵活性和通用性使得它能够适应不同类型的问题，并能够在非线性、高维度和大规模数据集等复杂情况下提供可行的解决方案。

然而，数值方法也存在一些缺点。数值方法的结果可能存在近似误差，与解析解之间存在差距。这是由于数值舍入和近似方法引入的。此外，数值方法的计算量可能较大，特别是在处理复杂问题和大规模数据时。为了平衡计算效率和结果精度，需要仔细选择合适的数值算法和参数设置。数据驱动方法是基于大数据和机器学习算法的方法。它能够从大量真实数据中提取模式和规律，并通过学习和推断来进行预测和决策。数据驱动方法在处理复杂和高维度数据时表现出色，并具有较强的泛化能力，能够将训练数据中学到的知识推广到新的数据。

但是，数据驱动方法也有一些限制。它对数据质量和偏差比较敏感。如果数据包含噪声、错误或偏差，可能会导致模型学习到错误的规律。此外，数据驱动方法的内部规律和判断过程通常较为复杂，缺乏直接的解释性。

简而言之，解析解有着明确的函数表达式，可以帮助研究者解释规律，但是其构建过程复杂且存在大量假设情况。数值方法可以理解为用已知形式的函数去逼近真实复杂函数，没有丢失全部解释性并且可以计算大部分工程问题，但计算量随着因素的加入呈指数增加趋势，并且可能会因为算法的选择，网格的划分等问题导致精度差。数据驱动方法只需要知道输入和响应，通过复杂的非线性拟合实现自变量和因变量的直接映射，已经训练完毕的模型计算效率很高。他完全没有解释性，即我们可以知道答案但无法知道原因。此外，它依赖于大规模的数据，并且对数据的质量要求很高，而且其训练过程消耗的计算资源可能超过数值方法。

数据驱动方法所构建的数学模型（本文统一指代机器学习模型），一经训练完毕，可以迅速求解相同形式的问题，因此其应用价值极强。然而，其对数据的依赖问题以及可解释性问题需要进一步探讨，而解析方法和数值方法的帮助是一种思路，本文下面将探讨三种方法结合的其中一种思路。

泛化能力是机器学习算法最重要的性能，我们可以理解为模型对数据所来自于的抽象空间的表征能力，因此，如果已经知道输入中输入和输出之间的关系，而将数据驱动方法构建的模型作为一种计算加速方法，那么解释性的问题就不存在了。因此，用解析解和数值解作为数据来训练数据驱动模型是一种很好的思路。但是直接利用这两者获取的结果进行训练，作者本人总觉得有些多此一举，因为解析解的计算速度很快，用机器学习算法可能意义不大，而数值解计算速度很慢，如果用它来消耗巨额的计算资源构建足够大的数据集，然后再消耗另外的巨额计算资源去训练一个精度上限取决于数值方法的机器学习模型，这种做法有些吃力不讨好。

非均匀力学材料的逆设计，尤其是多层材料其实是一种较为理想的三种方法结合的场景。不均匀材料的力学响应由于其几何尺寸复杂，并且可能包含多物理场耦合，使用解析解无法计算。用数值方法构建的多层模型复杂度很高，计算成本很高，结合优化算法的正向设计周期太长，并且很可能陷入局部最优，因此基于机器学习的逆设计是很有效的解决方法。有些情况下，存在根据每层材料的响应而求得构成的多层材料的响应的解析解，那么就可以先通过数值模拟得到不同单层材料的响应，再用排列组合的的形式，采取解析解计算多层响应，并且排列组合得到的数据量往往是足够大的，此时再应用机器学习模型就显得水到渠成。

作者本人认为，随着我们日常生活和科研工作中产出的数据日益累计，数据驱动方法将逐渐成为主流，而解析解和数值方法在提供数据方面功不可没，也许有一天，当他们两个产出了足够多的数据，让机器学习模型已经学通世间万物，那时解析解和数值解可能会成为历史，但是就目前来看，这离我们还有很远很远。

浅析物联网技术在建筑能耗预测系统中的应用与选型

摘要：为了保证建筑物的舒适性，实时监测和预测建筑物的能耗，本研究探索了基于物联网技术的建筑能耗感知预测系统的施工方法，提出了系统架构及相关配置，阐述了系统的典型应用，为能耗感知预测系统的研发提供了思路，有助于节约能耗，提高建筑物运行过程中的能源利用效率，提高现代城市管理能力。

关键词：物联网技术；建筑能耗预测；能耗监测系统

1.建筑能耗感知预测系统

1.1物联网技术概述

自21世纪以来，物联网技术发展迅速，已成为中国信息产业的重要组成部分。物联网技术主要通过前端设备的布局将收集到的信号与网络连接起来，并通过有线或无线实时传输信号[4]，从而实现对物体的有效定位和识别。物联网技术架构主要分为三个层次，即感知层、网络层和应用层[4]。感知层依靠安装在物体上的传感器设备来收集和发送物体信息。网络层收到信息后，利用互联网、无线网络和其他技术将信息传输到应用层

物联网技术的发展和通信技术的进步加速了中国智慧城市的发展。作为智能建筑的重要分支，建筑能耗感知和预测也将得到更广泛的应用。

1.2系统架构

建筑能耗感知预测系统主要依托物联网技术和智慧城市管理平台（见图1）。根据物联网的基本结构，整个系统架构分为三个部分：感知层、传输层和应用层。根据系统的实际应用功能，应用层分为两部分：能耗数据管理子系统和能耗预测子系统。

本文的研究对象是建筑物的能耗。能耗管理子系统有效记录和存储建筑物的能耗。能耗预测子系统根据传感器设备收集的预测指标预测建筑物的能耗，便于建筑管理人员有效控制能耗。

2.系统功能

2.1能耗感知模块

物联网技术的本质是通过互联网实现物与物之间的相互连接，实现物与物之间的信息联系和交互[5]。建筑能耗的实时感知取决于互联网设备的布局。通过传感器设备收集能耗数据后，利用无线通信技术将其传输到服务器。服务器处理后，将数据存储在后台数据库中，并在能耗管理平台上显示能耗。

传感器用于收集各种数据，包括能源消耗监测数据和环境监测数据。能源消耗监测数据用于实时感知建筑能源消耗，环境监测数据用于预测能源消耗。能源消耗感知模块将实时监测和比较房间的能源消耗。当房间内的能耗超过历史能耗的高值时，建筑管理人员会在系统页面上提示建筑管理人员，建筑管理人员不仅可以查看实时能耗数据，还可以对历史数据进行分类、筛选、搜索等操作，方便管理人员决策。

2.2能耗预测模块

能源消耗预测模块与能源消耗管理系统相结合，根据历史数据准确预测建筑物未来的能源消耗，合理优化电力配置，减少建筑物广泛的电力浪费和碳排放。本研究基于物联网技术收集能源消耗预测所需的指标，构建BP（Backpropagation反向传播）神经网络进行建筑能源消耗预测。其基本流程如图2所示。通过传感器收集室外温度等所需信息，将收集到的信息传输到管理平台。模型数据拟合后，可获得建筑能源消耗预测结果，并返回用户界面。BP神经网络算法

测。

BP神经网络包括输入层、隐含层和输出层。在本研究中，输入层指标包括四个指标：建筑面积、室外温度、空调维护温度和人员密度。拟合后，建筑物的功耗结果，即输出层，其神经元数为1，而隐含层中的神经元数在算法训练过程中不断调整。

本研究中算法的培训数据是天津市中新生态城市一所幼儿园的历史数据。数据集温度覆盖-8%至32℃，基本满足全年所有工作条件。算法培训完成后，包装并输入四个指标：建筑面积、室外温度、空调维护温度和人员密度。拟合计算后，该算法得到了建筑能耗预测结果，并将结果返回到用户界面，如图2所示。

3.系统的典型应用

3.1信息存储功能

智能城市管理平台后台内置数据库，存储建筑能耗历史数据，便于管理者查询和使用，同时可用于算法训练的优化迭代。

3.2信息查询功能

能源消耗数据可以根据时间段进行查询和筛选。同时，可以根据能源消耗量对数据进行筛选，方便管理者分析历史数据，合理制定能源利用策略。

3.3异常能耗预警功能

系统可以实时感知能耗，并将其与历史平均数据进行比较。如果出现过高或过低的异常情况，将在管理平台上显示警报，提示施工管理人员调查施工或房间的能耗。

3.4能耗预测功能

构建BP神经网络，利用物联网设备收集相关指标，自动预测功耗，获得房间或建筑物的预测能耗，为建筑管理者的能源分配决策提供指导。

4.Acrel-EIOT能源物联网云平台

（1）概述

Acrel-EIoT能源物联网开放平台是一个基于物联网数据中心的平台，为互联网用户提供能源物联网数据服务，建立统一的上下行数据标准。用户只需购买安科瑞物联网传感器，选择网关，自行安装后扫描代码，即可使用手机和计算机获得所需的行业数据服务。

该平台提供多平台、多语言、多终端数据访问功能，包括数据驾驶舱、电气安全监控、电能质量分析、电力管理、预付款管理、充电桩管理、智能照明管理、异常事件报警和记录、运维管理等。

(2)应用场所

该平台适用于公寓出租人、连锁超市、小工厂、建筑管理系统集成商、小物业、智慧城市、变配电站、建筑、通信基站、工业能源消耗、智能灯塔、电力运维等领域。

(3)平台结构

（4）平台功能

电力集抄

电力集抄模块可以实现对各种监测数据的查询、分析、预警及综合展示，以保证配电室的环境友好。在智能化方面实现供配电监控系统的遥测'、遥信、遥控控制，对系统进行综合检测和统一管理；在数据资源管理方面，可以显示或查询供配电室内各设备运行（包括历史和实时参数，并根据实际情况进行日报、月报和年报查询或打印，提高工作效率，节约人力资源。

能耗分析

能耗分析模块采用自动化、信息化技术，实现从能源数据采集、过程监控、能源介质消耗分析、能耗管理等全过程的自动化、科学化管理，使能源管理、能源生产以及使用的全过程有机结合起来，运用先进的数据处理与分析技术，进行离线生产分析与管理，实现全厂能源系统的统一调度，优化能源介质平衡、有效利用能源，提高能源质量、降低能源消耗，达到节能降耗和提升整体能源管理水平的目的。

预付费管理

(1)登陆管理：管理操作员账户及权限分配，查看系统日志等功能；

(2)系统配置：对建筑、通讯管理机、仪表及默认参数进行配置；

(3)用户管理：对商铺用户执行开户、销户、远程分合闸、批量操作及记录查询等操作；

(4)售电管理：对已开户的表进行远程售电、退电、冲正及记录查询等操作；

(5)售水管理：对已开户的表进行远程售水、退水、记录查询等操作；

(6)报表中心：提供售电、售水财务报表、用能报表、报警报表等查询，本系统所有的报表及记录查询，都支持excel格式导出。

智能照明

智能照明通过物联网技术对安装在城市各区域的室内照明、城市路灯等照明回路的用电状态进行不间断地数据监测，也可以实现定时开关策略配置及后台远程管理和移动管理等，降低路灯设施的维护难度和成本，提升管理水平，并达到一定节能减挂的效果。

安全用电

安全用电采用自主研发的剩余电流互感器、温度传感器、电气火灾探测器，对引发电气火灾的主要因素（导线温度、电流和剩余电流）进行不间断的数据跟踪与统计分析，并将发现的各种隐患信息及时推送给企业管理人员，指导企业实现第一时间的排查和治理，达到消除潜在电气火灾安全隐患，实现“防患于未然”的目的。

智慧消防

通过云平台进行数据分析、挖掘和趋势分析，帮助实现科学预警火灾、网格化管理、落实多元责任监管等目标。填补了原先针对“九小场所”和危化品生产企业无法有效监控的空白，适应于所有公建和民建，实现了无人化值守智慧消防，实现智慧消防“自动化”、“智能化”、“系统化”、用电管理“精细化”的实际需求。

（5）系统硬件配置

6.结论

综上所述，随着物联网技术的进步和智慧城市的发展，基于物联网技术构建建筑物能耗感知预测系统，可以使建筑物能耗可视化、存储历史数据、赋能城市管理水平、提高建筑管理能力以及能源使用效率。

参考文献

[1] 于佳怡，周锐，钟伟.物联网技术在建筑能耗感知预测系统中的应用探析

[2] 胡莹坚.基于LoRa技术的建筑物能耗监测系统在人防地下室中的实现[J].现代建筑电气，2020，11（8）：28-30.

[3] 陈辉.基于神经网络分析的建筑物耗能仿真模型分析[J]. 佳木斯大学学报(自然科学版)，2022，40（1）：13- 15+138.

[4] 侯骁虎 . 高校校园能耗监测综合管理平台的设计与实现

[5] 企业微电网设计与应用手册2022.05版.