都市建築物エネルギー性能予測における機械学習の応用:系統的レビュー【JST・京大機械翻訳】

Fathi Soheil; Srinivasan Ravi; Fenner Andriel; Fathi Sahand

文献

J-GLOBAL ID：202102243717448679 整理番号：21A0209857

都市建築物エネルギー性能予測における機械学習の応用:系統的レビュー【JST・京大機械翻訳】

Machine learning applications in urban building energy performance forecasting: A systematic review

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=21A0209857&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=21A0209857&from=J-GLOBAL&jstjournalNo=W1084A") }}

著者 (4件)： , , ,
資料名：
巻： 133 ページ： Null 発行年： 2020年
JST資料番号： W1084A ISSN： 1364-0321 資料種別：逐次刊行物 (A)
記事区分：文献レビュー発行国：イギリス (GBR) 言語：英語 (EN)

先進国では,建物は総エネルギー使用のほぼ50%と地球温暖化ガス排出の30%に含まれている。建築物の運転エネルギーは,気象および時間特性と同様に,様々な建築物理,運転および機能特性に大きく依存している。物理ベース建築エネルギーモデリングに加えて,機械学習技術は,建物の歴史的エネルギー消費データを与える,より高速でより高い精度推定を提供できる。個々の建築レベルを超えて見ると,建物のエネルギー性能の予測は,都市とコミュニティ管理者が将来のエネルギー需要のより良い理解を持ち,それらをより効率的に満足させる計画を計画する。都市規模に焦点を合わせて,本研究は,2015年と2018年の間の建築エネルギー性能予測の分野で発表された70のジャーナル論文を系統的にレビューした。最近の文献は5つの基準に従って分類された。学習法,2.3.エネルギータイプ,4.入力データと5.時間スケール。都市規模対個人レベルにおける建築エネルギー性能予測研究の不足は相当である。空間機能性シェア比率に関して建築機能を組み込んだ研究はなく,また,機械学習アプローチと将来の気象シナリオを用いて,都市建築エネルギー性能に対する気候変動の影響を評価することはない。そのような大域的比較を提供できる普遍的な測度がないので,最も正確な機械学習ベースの予測を達成するための最適な基準組合せはない。精度レベルは予測問題の特性と高度に相関した。目標は,2015~2018年の間の都市建築エネルギー性能予測における機械学習応用の包括的な状態を提供することである。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (3件)： , ,

都市計画一般,都市経済学 , 建築設備一般 , エネルギー消費・省エネルギー

, , , , ,

前のページに戻る