摘要：将多元线性回归运用到地铁环控系统能耗的预测中，通过相关性分析比较了不同因素对于能耗的影响，通过解释变量逐步增加的方法，将室外温度、列车发车频率、客流量等主要影响因素引入地铁能耗预测模型，对比了具有不同解释变量的模型的预测精度，同时，建立了有外生变量的自回归模型与多元线性回归模型的预测结果进行对比。结果表明，有外生变量的自回归模型的预测效果比一般的多元线性回归模型要好；当时间延迟为4时，有外生变量的自回归模型的预测精度相对较高。
作为城市轨道交通的主干网，地铁能源消耗是城市能源消耗的重要组成部分。而在地铁能耗中，超过30%的能源消耗用于地铁环控系统[1]。以北京地铁为例，实际监测数据显示，从2008年4月至6月平均每日地铁能耗从6提高至5左右；而在2012年，仅环控系统在夏季每月大概能耗可达[2]。因此，如果能够通过传感器实时监控地铁的客流量及室外温度等参数，并以此建立有效的能耗预测模型，对地铁环控系统的能耗做出相应的分析和预测，从而对地铁环控系统进行优化调节，降低地铁站的能源消耗，这对于地铁节能工作具有重大的理论意义和实际价值。
地铁环控系统的能耗预测是近年来的研究热点，其中基于大数据引导的应用方法越来越广泛。牛丽仙[3]等人提出了一种基于BP神经网络的地铁节假日能耗预测方法，提高了地铁节假日能耗预测的精度。近年来利用ARMA模型建立基于时间序列分析方法的能耗预测模型和故障诊断的应用较为广泛[4-10]。相对于BP神经网络的复杂结构，在很多实际应用中，多元线性回归模型表现出非常高的精度和良好的拟合及预测效果[6]。本实验采用简单的多元线性回归对地铁环控系统能耗做出预测，通过相关性分析比较了不同因素对于能耗的影响，通过解释变量逐步增加的方法，对比了不同解释变量的模型的预测精度，同时，建立了有外在输入的时间序列模型与多元线性回归模型的预测结果进行对比。通过建立六个性能指标评价模型的预测结果[11]，选出预测精度最好的模型。
作者：黄荣庚