本书主要涉及人工智能方法在建筑数据智能分析与挖掘方面的应用，共分4部分，14章。第一部分智慧建筑与机器学习简介，介绍常用浅层与深层机器学习方法及其性能评价指标，包括第1章～第3章。第二部分建筑用能精准预测与分布分析，介绍建筑用能数据分析研究现状、用能数据增强与预测、知识与数据融合驱动的建筑能耗预测、居住建筑群用能分布分析、基于域自适应的建筑用能迁移预测、基于模型迁移与边缘计算的建筑用能预测，包括第4章～第9章。第三部分建筑设备及用能异常检测与诊断，介绍冷水机组故障诊断、空气处理单元故障诊断、建筑异常用能诊断，包括第10章～第12章。第四部分非侵入式设备识别与用户画像，介绍用能用户分类画像、设备用电负荷分解，包括第13章、第14章。本书实用性强，希望借此推动人工智能与建筑数据应用的深度结合和进一步发展。 本书可供从事智能建筑、智能数据分析的技术人员、管理人员使用，也可供大专院校相关专业人员使用。

第一部分 智慧建筑与机器学习简介
第1章 智能建筑与智慧建筑
1.1 智能建筑
1.2 从智能建筑到智慧建筑
1.3 智慧建筑体系架构
1.4 智慧建筑数据应用
1.5 小结
第2章 机器学习方法
2.1 多元线性回归
2.2 反向传播神经网络
2.3 极限学习机
2.4 支持向量机与支持向量回归
2.5 深度置信网络
2.6 生成式对抗网络
2.7 循环神经网络及长短期记忆网络
2.8 卷积神经网络
2.9 时序卷积网络
2.10 图神经网络
2.11 迁移学习
2.12 空间密度聚类算法
2.13 小结
本章参考文献
第3章 机器学习性能评价指标
3.1 回归及预测性能评价指标
3.2 分类性能评价指标
3.3 聚类性能评价指标
3.4 故障诊断性能评价指标
3.5 相似性度量准则
3.6 小结
本章参考文献
第二部分 建筑用能精准预测与分布分析
第4章 建筑用能数据分析研究现状
4.1 建筑用能预测研究现状
4.2 建筑用能分布分析研究现状
4.3 小结
本章参考文献
第5章 用能数据增强与预测
5.1 传统一维数据生成方法
5.2 基于GAN的建筑用能数据生成与平行预测
5.3 实验与结果分析
5.4 小结
本章参考文献
第6章 知识与数据融合驱动的建筑能耗预测
6.1 引言
6.2 基于循环特征和深度集成置信网络的建筑能耗预测
6.3 实验与结果分析
6.4 小结
本章参考文献
第7章 居住建筑群用能分布分析
7.1 引言
7.2 基于DBSCAN与深度学习的居住建筑群用能分布分析
7.3 实验与结果分析
7.4 小结
本章参考文献
第8章 基于域自适应的建筑用能迁移预测
8.1 引言
8.2 域间损失度量指标
8.3 域自适应用能预测模型
8.4 实验与分析
8.5 小结
本章参考文献
第9章 基于模型迁移与边缘计算的建筑用能预测
9.1 引言
9.2 域间数据相似性分析方法
9.3 基于模型迁移的用能预测
9.4 实验与分析
9.5 小结
本章参考文献
第三部分 建筑设备及用能异常检测与诊断
第10章 冷水机组故障诊断
10.1 冷水机组系统及其常见故障
10.2 冷水机组故障诊断研究现状及问题
10.3 基于特征增强的冷水机组故障智能诊断
10.4 实验与结果分析
10.5 小结
本章参考文献
第11章 空气处理单元故障诊断
11.1 AHU工作原理及其常见故障
11.2 AHU故障诊断研究现状及问题
11.3 基于慢特征分析的AHU智能故障诊断
11.4 实验与结果分析
11.5 小结
本章参考文献
第12章 建筑异常用能诊断
12.1 引言
12.2 基于经验模态分解的多尺度特征提取、融合方法
12.3 基于EMD和GCN的异常用电检测
12.4 实验分析
12.5 小结
本章参考文献
第四部分 非侵入式设备识别与用户画像
第13章 用户用能分类画像
13.1 引言
13.2 用能用户分类原理
13.3 基于自学习边权重的图卷积用户分类
13.4 实验与分析
13.5 小结
本章参考文献
第14章 设备用电负荷分解
14.1 研究现状与动机
14.2 用能分解原理
14.3 并行非侵入式用能分解
14.4 实验与分析
14.5 小结
本章参考文献