摘要
建筑传感器嵌入在物理拓扑、空间层级和操作上下文中，但现有的预测方法往往将其视为孤立的时间序列，或依赖固定的协变量集。我们提出了 TopoBrick，一种无训练的零样本建筑物物联网（IoT）预测框架。
TopoBrick 利用建筑知识图谱构建紧凑的结构骨架，并采用主动拓扑采样器选择目标特定的外生变量。所选变量按部署时可用性进行组织，将过去已知的传感器状态与未来已知的日历、日程和气象外生变量分开。在三个真实建筑的测试中，TopoBrick 超越了强大的零样本基础模型基准，并且与完全训练的建筑特定模型保持竞争力。消融实验表明，基于拓扑的采样比随机、仅基于本体或固定跳数的选择更可靠，尤其是在物理耦合的 HVAC 和受天气驱动的传感变量中。
博主点评： TopoBrick 提供了一种创新的无训练框架，通过主动拓扑采样有效整合建筑物的外生变量，显著提升了物联网预测的准确性。这一方法在实际应用中的表现优于传统模型，展现了其在智能建筑管理领域的巨大潜力。其对拓扑结构的重视，为未来的研究提供了新的视角。