持続可能な設計における建物のエネルギー使用を予測するためのゼロショット学習【JST・京大機械翻訳】

Zachariah Arun; Rao Praveen; Corn Brian; Davison Dominique

プレプリント

J-GLOBAL ID：202202214183083389 整理番号：22P0287818

持続可能な設計における建物のエネルギー使用を予測するためのゼロショット学習【JST・京大機械翻訳】

Zero Shot Learning for Predicting Energy Usage of Buildings in Sustainable Design

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月10日プレプリントサーバーでの情報更新日： 2022年02月10日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

2030年の挑戦は,2030年までにすべての新しい建物と主要な再生炭素を中立にすることを目的とする。この課題を満たす可能性のある解決策の一つは,革新的な持続可能な設計戦略である。このような戦略を開発するためには,様々な建築因子が建築のエネルギー使用にどのように寄与するかを理解することが重要である。近年の人工知能(AI)の成長は,利用可能なデータからの建築因子間の複雑な関係の学習により,持続可能な設計を進める前例のない機会を提供している。しかしながら,豊富な訓練データセットは,良い予測精度を達成するためにAIベースの解決策に必要である。残念ながら,訓練データセットを得ることは,多くの実世界アプリケーションにおいて時間がかかり,高価である。これらの理由によって動機づけられて,著者らは,新しいまたは未知の建築タイプ,すなわち,訓練データを持たない建物タイプ,のエネルギー使用を正確に予測する問題に取り組んだ。この問題を解決するため,ゼロショット学習(ZSL)に基づく新しいアプローチを提案した。本手法は,建物エネルギーモデリング専門家からのサイド情報を用いて,与えられた新/未知建築タイプに対する最も近い建築タイプを予測した。次に,訓練中に学習したモデルを用いて,k-最密建築型に対する予測エネルギー使用を求め,加重平均関数を用いて予測値を結合させた。建築エネルギーモデリングのための一般的なプラットフォームであるBuildSimHubを用いて生成された5つの建物タイプを含むデータセットに関するアプローチを評価した。この手法は,既知の建築タイプの全データセットで訓練された回帰モデル(XGBoostに基づく)よりも,より良い平均精度を達成した。【JST・京大機械翻訳】

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

建築設備一般 , 建築環境一般 , エネルギー消費,省エネルギー

, , , , ,

前のページに戻る