文献

J-GLOBAL ID：202002225451476226   整理番号：20A1005631

建築物における毎日のHVAC消費を予測するための長期短期記憶人工神経回路網【JST・京大機械翻訳】

A long short-term memory artificial neural network to predict daily HVAC consumption in buildings

著者 (2件)： Sendra-Arranz R. (E.T.S. Ingenieros de Telecomunicacion, Universidad Politecnica de Madrid, Av. Complutense 30, Madrid 28040, Spain) ,  Gutierrez A. (E.T.S. Ingenieros de Telecomunicacion, Universidad Politecnica de Madrid, Av. Complutense 30, Madrid 28040, Spain)
資料名： Energy and Buildings  (Energy and Buildings)
巻： 216  ページ： Null  発行年： 2020年 
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： 本論文では,建物HVACシステムの電力消費の1日先を予測するための人工ニューラルネットワークベース予測器の設計と実装プロセスを提示した。特徴的なHVACシステムは,監視システムを備えた実際の自己充足太陽住宅であるMagicBoxにある。HVAC電力消費の前日予測は,定義された目標に到達するために,機器スケジューリングに基づく需要サイド管理技術を著しく強化する。LSTMニューラルネットワークに基づく複数ステップ予測モデルを提案した。さらに,適切なデータ前処理と配置技術を設定し,生データセットを適合させた。目標とする予測層を考慮すると,モデルは,予測の時間的挙動と予測される試験時系列の間で,試験誤差(0.13のNRMSE)と相関の観点から顕著な結果を提供する。さらに,これらの結果を,0.052のほぼ最適な試験NRMSEと0.972のピアソン相関係数に達する単純化された1時間先の予測と比較した。これらの結果は,建物におけるリアルタイムエネルギー消費予測のための有望な展望を提供する。Copyright 2020 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： 太陽 ,  簡素化 ,  スケジューリング ,  電力消費 ,  *ニューラルネットワーク ,  監視装置 ,  エネルギー消費 ,  *HVAC ,  予測モデル
準シソーラス用語： 予測器 ,  実時間 ,  Pearson相関係数 ,  データ前処理 ,  HVACシステム ,  生データ , 【Automatic Indexing@JST】

著者キーワード (5件)： エネルギー消費予測 ,  HVACシステム ,  短期予測 ,  リカレントニューラルネットワーク ,  LSTM層

分類 (3件)： 空気調和装置一般  (PC02010U) ,  建築物の断熱  (RB01033H) ,  建築設備一般  (RB06010V)

タイトルに関連する用語 (7件)： 建築物 ,  HVAC ,  消費 ,  予測 ,  長期 ,  短期記憶 ,  人工神経回路網