[摘要] 建筑节能已经成为我国当前最为重要的节能领域，但人们的节能环保意识还不够。本文主要利用数据挖掘技术来预测公众对建筑节能的参与度，提出提高公众参与建筑节能意识的对策建议。
摘要：随着建筑业的快速发展，公众对建筑节能的需求在不断增长，建筑节能已经成为我国当前最为重要的节能领域。就建筑节能领域来看，公众参与途径、参与机制等都不健全。人们对于建筑节能的认识不足，对建筑节能的参与意识不够。本文主要利用数据挖掘技术来预测公众对建筑节能的参与度。
关键词：公众参与;建筑节能;数据挖掘
随着建筑行业的快速发展，公众对建筑节能的参与意识也逐渐增大。公众参与的多少决定着大家对建筑节能的支持度，本文通过数据挖掘预测参与度有利于国家对于建筑节能的宏观调控，也有利于企业对于建筑节能公众参与度的掌握。
1数据挖掘概述
1.1数据挖掘数据挖掘是一门从大量数据或者数据库中提取有用信息的科学。是从大型数据库中自动发现并挖掘有用知识和信息的过程。[1]数据挖掘可分为两大类：分类和预测。分类的主要目标是建立关联特征、相似特征、趋势、轨迹等合适的模型，描述数据中潜在的性质或模式或者是对数据进行异常检测。预测的主要目标是根据对当前数据的分析，建立数据中目标属性与其他属性的预测模型。1.2决策树算法决策树是一个树形结构。它采用自上向下的方法，用算法搜索出最终的问题解决方案。决策树不但可以将一堆数据，经过一定的算法，生成具有一定分类规则的决策树，而且也可以形成分类器和建立预测模型。所以在应用中一般选择决策树来对未知数进行数据挖掘、预测或分类。
2数据预处理
数据预处理(datapreprocessing)是指在进行数据处理之前对数据进行的一些处理。数据进行预处理这样不但可以使原始数据的完整性和准确性更好，而且还可以提高数据挖掘的效率[2]。本文的数据主要通过下面几方面进行预处理。2.1数据清洗数据清洗，是指发现并纠正数据文件中可以识别的错误，实现格式标准化以及清除重复数据和异常数据。数据清洗内容包含补充缺失的值、识别或去除离群点、光滑噪声数据等。本文数据来自于调查问卷，如表1。2.2数据集成数据集成是将多个数据源中的数据合并汇总，并进行整合，去除不需要的一些选项，得到完整的数据挖掘对象。2.3数据转换通过数据概化、平滑聚集、规范化等方式将数据转换成适用于数据挖掘的形式。如通过节能认识中的了解和不了解，以及是否使用节能材料中的是或者否等规范化为0和1。如表2所示。2.4数据归约数据归约，主要是针对所需的数据对象属性较复杂、数据规模比较大、数据挖掘分析需要时间较长等情况。数据归约技术就是能在保持数据原貌的前提下，最大限度地精简数据量。
3利用决策树进行结果分析
使用SPSSModeler软件中C5.0模型，得到运算结果。通过对软件中得到的结果的分析，可以看出经济状况，它的预测变量的重要性=0.35，对公众参与意识的影响最大。工作和学历部分，预测变量的重要性=0.23，对公众参与的影响次之。而年龄对于参与度的影响是0.18。由此得出结论：对于判断一个民众是否愿意参与建筑节能的几个因素中收入是最重要的，工作和学历部分占比差不多，年龄的影响不是很大，但是越是年轻的对于建筑节能的参与越高。参与度比重，如图1所示。利用数据训练样本集，将“收入”作为类别的表示属性，把学历、工作和年龄等作为决策依据。将决策树构成如同2所示。
4提高公众参与建筑节能意识的对策建议
以建立建筑节能经济激励政策为依据，鼓励广大公众能主动参与到建筑节能活动中来。从政府职能部门的角度，必须考虑到公众的经济承受能力。对于购买节能材料的公众，国家应该给予财政补贴。从公众的角度，应该加强节能教育，积极地参与到建筑节能活动中。以完善建筑节能公众参与方面的法律体系为保障，加强公众参与权益意识。地方政府应该通过立法，将公众的参与意识的提高与其切身利益的改善联系起来，通过建立严格的规定，出台系统的法律法规做保障。
参考文献：
[1]JiaweiHan,MichelineKamber数据挖掘概念与技术[M].北京:机械工业出版社,2010.
[2]白洁,田瑞丽Apriori算法在用户特性关联分析中的应用[J].计算机与网络,2016,(12):70-72.
[3]清华大学建筑节能研究中心.中国建筑节能年度发展研究报告2015.北京:中国建筑工业出版社,2015.
[4]肖丹,王波.能耗实时监测的数据挖掘方法.重庆大学学报,2012,35(7):133-137.
[5]刘文凤.数据挖掘在公共建筑能耗分析中的研究[硕士学位论文].重庆:重庆大学,2010.
作者：张超 贺霖龄 单位：长沙南方职业学院
以上内容就是建筑界环保论文频道为您分享的这篇数据挖掘在建筑节能的应用的论文，以供大家参考学习。建筑界环保论文频道将为大家分享更多数据挖掘在建筑节能的应用相关优秀环保论文，与建筑环保人共同成长共同进步，欢迎关注我们~
