文献

J-GLOBAL ID：202102235447647493   整理番号：21A1878085

短期データ駆動建築物エネルギー予測モデルに適用した系統的特徴選択プロセス:キャンパスビルの事例研究【JST・京大機械翻訳】

Systematic Feature Selection Process Applied in Short-Term Data-Driven Building Energy Forecasting Models: A Case Study of a Campus Building

著者 (3件)： Zhang Liang (Drexel University, Philadelphia, PA) ,  Wen Jin (Drexel University, Philadelphia, PA) ,  Chen Yimin (Drexel University, Philadelphia, PA)
資料名： ASME Conference Proceedings  (ASME Conference Proceedings)
号： DSCC2017  ページ： Null  発行年： 2017年 
JST資料番号： A0478C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 正確な建築物エネルギー予測モデルは,建築エネルギーシステムと建築物対グリッド統合のリアルタイムで先進的な制御のための重要な構成要素である。建築物自動化システムの高速展開と進歩により,データは数百と時には数千のセンサで収集され,これはデータ駆動建築物エネルギー予測の大きな可能性を提供する。多数の潜在的入力から建築物エネルギー予測モデルを開発するために,特徴選択はモデル精度と計算効率を確実にするための重要な手順である。特徴選択の理論は統計と機械学習分野でよく開発されているが,建築物エネルギーモデリングの応用ではよく研究されていない。本論文では,Philadelphiaにおける実際のキャンパス建物を用いて,以前の研究で提案した特徴選択フレームワークを検討した。この特徴選択フレームワークは,ドメイン知識と統計的方法を結合して,短期データ駆動建築物エネルギー予測のために開発された。本事例研究において,全体の建築物エネルギー予測モデルとチラーエネルギー予測モデルを開発する際に,この特徴選択フレームワークを使用することの実現可能性を研究した。結果は,全体建物とチラーエネルギー予測応用の両方に対して,系統的特徴選択プロセスを有するモデルが,従来の入力を含む他のモデルよりも,より良い性能(予測出力の交差検証誤差に関して)を示し,単一特徴選択技術だけを使用することを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 統計的方法 ,  *特徴選択 ,  *キャンパス ,  *事例研究 ,  センサ ,  機械学習 ,  予測誤差 ,  *予測モデル ,  ドメイン知識
準シソーラス用語： 計算効率 ,  実時間 ,  *データ駆動 ,  自動化システム ,  モデル精度 ,  ビルエネルギー ,  建設物 , 【Automatic Indexing@JST】

分類 (1件)： 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 (10件)： 短期 ,  データ駆動 ,  建築物エネルギー ,  予測モデル ,  系統 ,  特徴選択 ,  プロセス ,  キャンパス ,  ビル ,  研究