文献

J-GLOBAL ID：201802256982108180   整理番号：18A2066340

建物エネルギーモデルのBayesキャリブレーションに対するエネルギーデータの影響【JST・京大機械翻訳】

Influences of energy data on Bayesian calibration of building energy model

著者 (2件)： Lim Hyunwoo (Department of Civil, Environmental, and Architectural Engineering, University of Colorado Boulder, Boulder, CO 80309-0428, USA) ,  Zhai Zhiqiang (John) (Department of Civil, Environmental, and Architectural Engineering, University of Colorado Boulder, Boulder, CO 80309-0428, USA)
資料名： Applied Energy  (Applied Energy)
巻： 231  ページ： 686-698  発行年： 2018年 
JST資料番号： A0097A  ISSN： 0306-2619  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： あらゆる建物は異なる(およびファジィ)特性を持ち,互いに影響する複雑なサブシステムを含んでいる。したがって,システムとして全体の建物をモデル化するとき,重要な不確実性が存在する。キャリブレーションは必要であり,これらの不確実性の多くの原因を減らすことができる。Bayes較正は様々な応用に利用されてきた自動較正法の一つである。しかし,キャリブレーションに用いた測定データの質と量の影響を調べた研究はほとんどなかった。さらに,Bayes較正は固有の反復属性によりかなりの計算コストを必要とする。本論文では,計算時間の短縮により,より正確なBayesキャリブレーションを生成するための有益なデータの利用を提案した。測定したエネルギーデータを統計的分類法により分類した。異なるエネルギー測定データを用いて,本研究では,入力パラメータ推定精度,エネルギー使用予測精度,および全体計算時間の3つの基準による較正結果を比較し解析した。結果は,キャリブレーションの計算時間と精度がキャリブレーションのためのデータの異なる選択に対して異なることを示した。適切なデータは,キャリブレーションの目的,計算時間および精度の包括的な考慮において使用されるべきである。キャリブレーションのための有益なデータを用いることは,すべてのデータの使用と比較して,類似の精度を保つことができるが,計算時間を44%減少させることができる。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *エネルギー ,  曖昧さ ,  *モデル ,  測定データ ,  不確実性 ,  モデリング
準シソーラス用語： *エネルギーモデル ,  予測精度 ,  推定精度 ,  入力パラメータ ,  エネルギー測定 ,  計算コスト ,  サブシステム ,  *ビルエネルギー , 【Automatic Indexing@JST】

著者キーワード (5件)： エネルギーモデルの構築 ,  Bayesキャリブレーション ,  ユーティリティデータ ,  情報エネルギーデータ ,  感度解析

分類 (4件)： エネルギー消費・省エネルギー  (LD01000B) ,  空気調和装置一般  (PC02010U) ,  エネルギー消費,省エネルギー  (RA01092B) ,  建築設備一般  (RB06010V)

タイトルに関連する用語 (4件)： 建物エネルギー ,  モデル ,  キャリブレーション ,  エネルギー