文献

J-GLOBAL ID：202202274339237042   整理番号：22A0834676

建物エネルギー消費を予測するための居住者行動の代理としてのGoogle傾向の利用【JST・京大機械翻訳】

Using Google Trends as a proxy for occupant behavior to predict building energy consumption

著者 (2件)： Fu Chun (Building and Urban Data Science (BUDS) Lab, Department of the Built Environment, National University of Singapore (NUS), Singapore) ,  Miller Clayton (Building and Urban Data Science (BUDS) Lab, Department of the Built Environment, National University of Singapore (NUS), Singapore)
資料名： Applied Energy  (Applied Energy)
巻： 310  ページ： Null  発行年： 2022年 
JST資料番号： A0097A  ISSN： 0306-2619  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 近年,大量のエネルギーデータおよび先進機械学習アルゴリズムの利用可能性は,建築物エネルギー予測研究におけるサージを創出した。しかし,エネルギー予測モデル,居住者行動における変数の1つは,予測性能にとって重要であるが,しかし,各建物から収集するのに,ハードから対策または時間がかかる。本研究は,居住者行動の代理人と建物の使用として,Google傾向プラットフォーム上のトピックス(例えば,教育またはMicrosoft Excel)の探索ボリュームを利用する手法を提案した。エネルギー計データとGoogle傾向探索項間の関係を調べ,建物占有を推論する線形相関を最初に調べた。これらの項の傾向の包含前後の予測誤差を比較し,ASHRAE Great Energy Predictor III(GEPIII)競争データセットに基づいて解析した。結果は,高度に相関するGoogle傾向データが,GEPIII競争のトップ5winningチームの性能のレベルに対して,建築物の部分集合のための全体のRMSLE誤差を効果的に減らすことができることを示した。特に,公共休日中のRMSLE誤差低減とサイト特定スケジュールによる日数は,それぞれ20~30%と25%減少した。これらの結果は,位置特定および休日スケジュールを自動的に同定することにより,建物ストックの一部に対するエネルギー予測を改善するためにGoogle傾向を用いることの可能性を示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *エネルギー ,  データ ,  予測 ,  変数 ,  在庫量 ,  建築物 ,  モデル ,  機械学習 ,  学習アルゴリズム ,  予測誤差 ,  予測モデル ,  前向きコホート研究
準シソーラス用語： ASHRAE ,  *Google ,  誤差低減 , 【Automatic Indexing@JST】

著者キーワード (6件)： Googleの傾向 ,  機械学習 ,  カグル競争 ,  モデル誤差低減 ,  建築エネルギー予測 ,  エネルギーモデル

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 (6件)： 建物 ,  エネルギー消費 ,  予測 ,  居住者行動 ,  Google ,  傾向