文献

J-GLOBAL ID：202202260646576501   整理番号：22A0332406

疎データ条件下における機械学習を用いた工学技術的自然換気の運用戦略

Operation strategy for engineered natural ventilation using machine learning under sparse data conditions

著者 (4件)： Hiyama Kyosuke (Meiji University, Kawasaki-shi, Kanagawa, Japan) ,  Takeuchi Kenichiro (Meiji University, Kawasaki-shi, Kanagawa, Japan) ,  Omodaka Yuichi (Meiji University, Kawasaki-shi, Kanagawa, Japan) ,  Srisamranrungruang Thanyalak (JSPS International Research Fellows, Meiji University, Kawasaki-shi, Kanagawa, Japan)
資料名： Japan Architectural Review (Web)  (Japan Architectural Review (Web))
巻： 5  号： 1  ページ： 119-126  発行年： 2022年 
JST資料番号： U1641A  ISSN： 2475-8876  資料種別： 逐次刊行物 (A)
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： 機械学習(ML)は,建築物の運用を改善するための有用な技術である。しかし,データが対象建築物からのみしか得られない場合,データ不足は一般的MLモデルの使用を制限する可能性がある。この問題を克服するために,対象の簡略化と特徴量変数の数の限定が必要とされる。建築工学において,建築物理学は,MLの実用化を促進するために活用することができる。本論文では,光学技術的自然換気の運用を対象とする事例研究を,エネルギーシミュレーションに基づいて実行する。対象課題を,一日を通して,好ましい開口パターン,完全または半分の開放を選択するように簡略化する。2つあるいは3つの特徴量変数タイプを用いた2つのモデルを比較する。ML法は,利用の最初の年でさえ,正しい運用スキームを効果的に予測することができる。2変数タイプの場合では有意な改善は見られなかったが,3変数タイプの場合の正しい回答率は,2年目で83%から95%に増加した。結果は,建築物運用におけるMLモデル実装のためのデータ取得作業に従って,単純化モデルを最初に作成して,モデルを改良する戦略を示唆する。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *自然換気 ,  *機械学習 ,  データ ,  運用 ,  建築物 ,  *省エネルギー ,  *熱的快適性 ,  事例研究 ,  屋内環境 ,  シミュレーションモデル ,  窓 ,  換気効率 ,  室温 ,  実用化
準シソーラス用語： 疎データ ,  グリーン建築 ,  ゼブ

著者キーワード (5件)： 次元性の cur ,  データスパース性 ,  グリーンビルディング ,  機械学習 ,  自然換気

分類 (2件)： 建築環境一般  (RB02010T) ,  換気  (PC02040B)

タイトルに関連する用語 (6件)： 疎データ ,  機械学習 ,  工学 ,  自然換気 ,  運用 ,  戦略