文献

J-GLOBAL ID：202202218122898988   整理番号：22A0778115

建物のエネルギー効率評価のための機械学習アルゴリズムに関する比較研究【JST・京大機械翻訳】

A Comparative Study on Machine Learning Algorithms for Assessing Energy Efficiency of Buildings

著者 (4件)： Egwim Christian Nnaemeka (Big Data Technologies and Innovation Laboratory, University of Hertfordshire, Hatfield, UK) ,  Egunjobi Oluwapelumi Oluwaseun (Energy for Sustainability (EFS), MIT-Portugal, Universidade de Coimbra, Coimbra, Portugal) ,  Gomes Alvaro (Energy for Sustainability (EFS), MIT-Portugal, Universidade de Coimbra, Coimbra, Portugal) ,  Alaka Hafiz (Big Data Technologies and Innovation Laboratory, University of Hertfordshire, Hatfield, UK)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1525  ページ： 546-566  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 建築物におけるエネルギー需要の増加は,人間の健康に結果としての影響を与える大気汚染を引き起こし続けている。この傾向を抑えるために,エネルギー効率評価は,建築物におけるエネルギーを理解し,効率を改善する戦略を推奨するのに役立つ。残念なことに,建築物のエネルギー効率を評価する多くの既存の手法は,正確にそれを実行することができない。したがって,推薦されたエネルギー効率戦略は,期待される結果を達成するのに失敗している。近年の1つのアプローチは,機械学習(ML)アルゴリズムのようなデータ駆動予測解析技術を用いて,その性能の改善に向けた建築物のエネルギー効率を評価する。しかし,多くのMLアルゴリズムが存在するので,正しいものの選択は,成功した評価にとって重要である。残念なことに,この点に関する既存の研究の多くは,良好な実行MLアルゴリズムの貧弱な選択をもたらすかもしれない正当化された論理的根拠なしで,MLアルゴリズムを簡単に採用した。したがって,本研究では,建物のエネルギー効率の評価に対するMLアルゴリズムの性能を比較する前提を提案した。最初に,異なるデータ源からの建築物の統合エネルギー効率評価を用いて,いくつかのMLアルゴリズムを用いて予測モデルを開発した。その後,最良性能モデルの同定を,RMSE,R-Squared,およびAdjusted R-Squaredのような評価尺度を比較することによって行った。比較から,エクストラツリー予測モデルは,RMSE,R-Squared,およびAdjused R-Squaredがそれぞれ2.79,93%,および93%であった。この手法は,適切でより優れたMLアルゴリズムの初期選択に役立つ。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  大気汚染 ,  *エネルギー ,  評価 ,  解析 ,  建築物 ,  エネルギー需要 ,  エネルギー効率 ,  *機械学習 ,  *学習アルゴリズム ,  予測モデル
準シソーラス用語： 予測解析 ,  評価尺度 ,  データ駆動 ,  性能モデル ,  *建物のエネルギー効率 , 【Automatic Indexing@JST】

著者キーワード (3件)： 建築物 ,  エネルギー効率 ,  機械学習

分類 (2件)： エネルギー消費・省エネルギー  (LD01000B) ,  エネルギー消費,省エネルギー  (RA01092B)

タイトルに関連する用語 (5件)： 建物のエネルギー効率 ,  評価 ,  機械学習 ,  アルゴリズム ,  研究