文献

J-GLOBAL ID：201502289903439725   整理番号：15A0406679

事例理論化ニューラルネットワーク法と因子分析を用いた建築物電力消費の毎時間予測

Hourly prediction of a building’s electricity consumption using case-based reasoning, artificial neural networks and principal component analysis

著者 (3件)： PLATON Radu (CanmetENERGY, Natural Resources Canada, 1615 blvd. Lionel-Boulet, Varennes, QC, Canada J3X 1S6) ,  DEHKORDI Vahid Raissi (CanmetENERGY, Natural Resources Canada, 1615 blvd. Lionel-Boulet, Varennes, QC, Canada J3X 1S6) ,  MARTEL Jacques (CanmetENERGY, Natural Resources Canada, 1615 blvd. Lionel-Boulet, Varennes, QC, Canada J3X 1S6)
資料名： Energy and Buildings  (Energy and Buildings)
巻： 92  ページ： 10-18  発行年： 2015年04月01日 
JST資料番号： A0199A  ISSN： 0378-7788  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論では,商業建築の毎時電力消費を予測できる,簡便で正確なモデルを開発した。モデルを一般化して他の建築へも適用すれば,建築物の維持管理は比較的少ない変数の測定でよくなる。カナダの商業建築での天気予報を含めた測定によって,モデルを検証した。ニューラルネットワーク法(ANN)と事例理論化法(CBR)の二つの手法によって,予測モデルを開発した。因子分析法(PCA)はモデル精度を落とさずに入力変数を少なくできる。就業時間中の作業モードを定め,ANN法とCBR法によるモデルを開発した。1~6時間毎の消費電力を予測した。モデルごとの予測結果を較べると,PCA選択変数による精度低下は無かった。ANNモデルの方がCBRモデルより優れ,予測誤差は7.3%小さかった。しかし,ANN法もCBR法もその誤差はASHRAEの基準値以内であった。Copyright 2015 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *事例ベース推論 ,  *ニューラルネットワーク ,  因子分析 ,  *消費電力 ,  日変化 ,  *短期予測 ,  類似性 ,  測定データ ,  予測誤差 ,  *商業建築 ,  カナダ ,  天気予報 ,  *予測モデル ,  作業計画 ,  学協会 ,  設計基準
準シソーラス用語： ASHRAE

分類 (2件)： 屋内配電・電源設備  (NB05050C) ,  エネルギー消費・省エネルギー  (LD01000B)

タイトルに関連する用語 (6件)： 理論 ,  ニューラルネットワーク ,  因子分析 ,  建築物 ,  電力消費 ,  予測