基于统计抽样原理的典型室温分布比例确定方法研究
摘要：基于统计抽样原理，以河南濮阳某小区的室温采集系统为研究对象，选择不同的抽样方法，通过比例区间估计推断了小区室温分布，并比较了不同抽样比例下的推断结果。结果表明，分层随机抽样方式与分层系统抽样、整群抽样相比有明显优势，当室温抽样比例大于8%时，可满足各分项统计指标的要求。研究结果可为典型室温比例的确定提供参考和依据。
关键词：智慧供热室温分布比例抽样统计推断
尊敬的用户，本篇文章需要2元，点击支付交费后阅读
限时优惠福利：领取VIP会员
全年期刊、VIP视频免费!
全年期刊、VIP视频免费!
参考文献[1] 刘丹.人工智能为供热行业提质增效，实现生产领域的数字化[J].中国建设信息化，2021(23):55- 57.
[2] 钟崴，陆烁玮，刘荣.智慧供热的理念、技术与价值[J].区域供热，2018(2):1- 5.
[3] 王亚楠，申鹏飞.智慧供热平台地理信息与生产运行建设探索[J].暖通空调，2022,52(增刊2):184- 189.
[4] 于春来，许卓宁.智能楼宇室温监测系统的设计与实现[J].信息系统工程，2015(5):25.
[5] 刘志新，姬忠良，王松，等.室温采集设备在智慧供热中的应用[J].中国科技信息，2019(24):37- 38,13.
[6] 程雪.智慧供暖建筑室内平均温度监测方法研究[D].哈尔滨：哈尔滨工业大学，2021:5- 13.
[7] ESSIEN V,BOLU C A,AZETA J,et al.Application of data logger for monitoring indoor and outdoor temperature of buildings:a review[J].IOP conference series:materials science and engineering,2021,1107(1):1- 11.
[8] WILBY R L,KASEI R,GOUGH K V,et al.Monitoring and moderating extreme indoor temperatures in low-income urban communities[J].Environmental research letters,2021,16(2):1- 13.
[9] CHEN S B,ZHANG L X,TANG Y M,et al.Indoor temperature monitoring using wireless sensor networks:a SMAC application in smart cities[J].Sustainable cities and society,2020,61:1- 9.
[10] 蔡毅，朱秀芳，汤童，等.房屋倒损评估中统计抽样方法的对比分析[J].北京师范大学学报(自然科学版),2017,53(2):235- 241.
[11] 吉晟男，崔绍朋，邓怀庆，等.生物多样性保护优先区抽样调查策略研究：以武陵山地区为例[J].生态学报，2021,41(24):9604- 9612.
[12] 王馨月，景丽萍.基于分层抽样的不均衡数据集成分类[J].深圳大学学报(理工版),2019,36(1):24- 32.
[13] 辛欣.统计学中一个区间估计问题分析[J].智库时代，2018(36):52,55.
[14] 贾俊平，何晓群，金勇进.统计学[M].7版.北京：中国人民大学出版社，2018:120- 150.
[15] 盛骤，谢式千，潘承毅.统计学[M].4版.北京：高等教育出版社，2008:149- 170.
[2] 钟崴，陆烁玮，刘荣.智慧供热的理念、技术与价值[J].区域供热，2018(2):1- 5.
[3] 王亚楠，申鹏飞.智慧供热平台地理信息与生产运行建设探索[J].暖通空调，2022,52(增刊2):184- 189.
[4] 于春来，许卓宁.智能楼宇室温监测系统的设计与实现[J].信息系统工程，2015(5):25.
[5] 刘志新，姬忠良，王松，等.室温采集设备在智慧供热中的应用[J].中国科技信息，2019(24):37- 38,13.
[6] 程雪.智慧供暖建筑室内平均温度监测方法研究[D].哈尔滨：哈尔滨工业大学，2021:5- 13.
[7] ESSIEN V,BOLU C A,AZETA J,et al.Application of data logger for monitoring indoor and outdoor temperature of buildings:a review[J].IOP conference series:materials science and engineering,2021,1107(1):1- 11.
[8] WILBY R L,KASEI R,GOUGH K V,et al.Monitoring and moderating extreme indoor temperatures in low-income urban communities[J].Environmental research letters,2021,16(2):1- 13.
[9] CHEN S B,ZHANG L X,TANG Y M,et al.Indoor temperature monitoring using wireless sensor networks:a SMAC application in smart cities[J].Sustainable cities and society,2020,61:1- 9.
[10] 蔡毅，朱秀芳，汤童，等.房屋倒损评估中统计抽样方法的对比分析[J].北京师范大学学报(自然科学版),2017,53(2):235- 241.
[11] 吉晟男，崔绍朋，邓怀庆，等.生物多样性保护优先区抽样调查策略研究：以武陵山地区为例[J].生态学报，2021,41(24):9604- 9612.
[12] 王馨月，景丽萍.基于分层抽样的不均衡数据集成分类[J].深圳大学学报(理工版),2019,36(1):24- 32.
[13] 辛欣.统计学中一个区间估计问题分析[J].智库时代，2018(36):52,55.
[14] 贾俊平，何晓群，金勇进.统计学[M].7版.北京：中国人民大学出版社，2018:120- 150.
[15] 盛骤，谢式千，潘承毅.统计学[M].4版.北京：高等教育出版社，2008:149- 170.
Method of determining typical room temperature distribution ratio based on statistical sampling principle
Abstract: Based on the statistical sampling principle, taking the room temperature collection system of a community in Puyang, Henan Province as the research object, this paper selects different sampling methods, infers the room temperature distribution of the community through the proportional interval estimation, and compares the inferential results under different sampling ratios. The results show that the stratified random sampling has obvious advantages over the stratified systematic sampling and the cluster sampling. When the room temperature sampling ratio is greater than 8%, it can meet the requirements of various sub statistical indicators. The research results can provide reference and basis for determining the typical room temperature ratio.
Keywords: intelligent heating; room temperature distribution ratio; sampling; statistic; inference;
376
0
0