文献

J-GLOBAL ID：201902242377810257   整理番号：19A1451659

エネルギー消費予測の構築:極端な深層学習アプローチ【JST・京大機械翻訳】

Building Energy Consumption Prediction: An Extreme Deep Learning Approach

著者 (5件)： Li Chengdong (School of Information and Electrical Engineering, Shandong Jianzhu University, Jinan 250101, China) ,  Ding Zixiang (School of Information and Electrical Engineering, Shandong Jianzhu University, Jinan 250101, China) ,  Zhao Dongbin (Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China) ,  Yi Jianqiang (Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China) ,  Zhang Guiqing (School of Information and Electrical Engineering, Shandong Jianzhu University, Jinan 250101, China)
資料名： Energies (Web)  (Energies (Web))
巻： 10  号： 10  ページ： 1525  発行年： 2017年10月 
JST資料番号： U7016A  ISSN： 1996-1073  CODEN： ENERGA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 建築エネルギー消費予測は,より良い意思決定を行うために,建築管理者を助けることを通して,エネルギー利用率を改善することにおいて,重要な役割を果たした。しかしながら,ランダム性と雑音のある擾乱の結果として,建物エネルギー消費の正確な予測を実現することは容易なタスクではない。より良い建物エネルギー消費予測精度を得るために,極端な深い学習方式を本論文で提示した。提案した手法は,それらのそれぞれの特性を利用するために,積層オートエンコーダ(SAE)と極端な学習機械(ELM)を組み合わせた。この提案した手法では,SAEを用いて建物エネルギー消費の特徴を抽出し,ELMを予測子として用いて正確な予測結果を得た。極端な深い学習モデルの入力変数を決定するために,部分的自己相関解析法を採用した。さらに,提案した手法の性能を調べるために,逆伝搬ニューラルネットワーク(BPNN),サポートベクトル回帰(SVR),一般化動径基底関数ニューラルネットワーク(GRBFNN)および多重線形回帰(MLR)のようないくつかの一般的な機械学習法と比較した。実験結果は,提案した方法が建物エネルギー消費の異なる事例において最良の予測性能を有することを実証した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *学習 ,  機械学習 ,  管理者 ,  意思決定 ,  *エネルギー消費 ,  *予測 ,  学習モデル
準シソーラス用語： 予測性能 ,  多重線形回帰 ,  サポートベクトル回帰 ,  逆伝播ニューラルネットワーク ,  自己符号化器 ,  予測精度 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： エネルギー消費の構築 ,  深層学習 ,  積層オートエンコーダ ,  極端学習機械

分類 (1件)： エネルギー消費・省エネルギー  (LD01000B)

引用文献 (51件)：

• Štreimikienė, S. Residential energy consumption trends, main drivers and policies in Lithuania. Renew. Sustain. Energy Rev. 2014, 35, 285-293.
• Ugursal, V.I. Energy consumption, associated questions and some answers. Appl. Energy 2014, 130, 783-792.
• Hua, C.; Lee, W.L.; Wang, X. Energy assessment of office buildings in China using China building energy codes and LEED 2.2. Energy Build. 2015, 86, 514-524.
• Zuo, J.; Zhao, Z.Y. Green building research-current status and future agenda: A review. Renew. Sustain. Energy Rev. 2014, 30, 271-281.
• Daut, M.A.M.; Hassan, M.Y.; Abdullah, H.; Rahman, H.A.; Abdullah, M.P.; Hussin, F. Building electrical energy consumption forecasting analysis using conventional and artificial intelligence methods: A review. Renew. Sustain. Energy Rev. 2017, 70, 1108-1118.

タイトルに関連する用語 (4件)： エネルギー消費 ,  予測 ,  構築 ,  深層学習