文献

J-GLOBAL ID：202202281509186839   整理番号：22A0948883

改良SVRに基づく氷蓄熱空調の短期ハイブリッド予測モデル【JST・京大機械翻訳】

Short-term hybrid forecasting model of ice storage air-conditioning based on improved SVR

著者 (5件)： Cheng Renyin (School of Building Services Science and Engineering, Xi’an University of Architecture and Technology, Xi’an, 710055, China) ,  Yu Junqi (School of Building Services Science and Engineering, Xi’an University of Architecture and Technology, Xi’an, 710055, China) ,  Zhang Min (School of Management, Xi’an University of Architecture and Technology, Xi’an, 710055, China) ,  Feng Chunyong (School of Building Services Science and Engineering, Xi’an University of Architecture and Technology, Xi’an, 710055, China) ,  Zhang Wanhu (School of Building Services Science and Engineering, Xi’an University of Architecture and Technology, Xi’an, 710055, China)
資料名： Journal of Building Engineering  (Journal of Building Engineering)
巻： 50  ページ： Null  発行年： 2022年 
JST資料番号： W3072A  ISSN： 2352-7102  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： 空調システムのエネルギー消費は建築エネルギー消費の半分以上である。建築物冷房負荷の正確で効率的な予測は,建築物省エネルギーとエネルギーシステム管理を実現するための重要な方法の1つである。著者らは,平均衝撃値改善Gray Wolf Optimizer-Supportベクトル回帰(MIV-IGWO-SVR)に基づく短期ハイブリッド予測モデルを提案し,このモデルを氷蓄熱空調冷房負荷予測に適用した。最初に,冷却負荷に関する歴史的気象データの影響を解析して,平均影響価値(MIV)は,冷却負荷に影響する主要部変数をフィルターにかけるために使用した。第二に,SVRパラメータ最適化に用いるGray Wolf最適化器(GWO)を最適化するために,2つの新しい改良戦略を提案した。最後に,このモデルを中国北部の大公共建築の測定データを用いて検証した。そして,結果は,MAPEとMIV-IGWO-SVRモデルによって予測したRMSEが,それぞれ0.4319%と4.8511であることを示した。比較実験を通して,MIV-IGOWO-SVRモデルは,小さなサンプルデータの下で,ニューラルネットワークより,より高い予測精度,より短い実行時間,およびより強いロバスト性を有すると結論できる。したがって,本論文で提案した予測モデルは,建築物エネルギー消費予測のための効果的方法サポートを提供して,実際の工学ニーズを満たすことができる。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： 最適化 ,  ベクトル ,  *空気調和 ,  冷房 ,  冷房負荷 ,  負荷予測 ,  ニューラルネットワーク ,  気象データ ,  公共建築 ,  建築物 ,  ロバスト性 ,  空調システム ,  *予測モデル
準シソーラス用語： パラメータ最適化 ,  予測精度 , 【Automatic Indexing@JST】

著者キーワード (5件)： 氷蓄熱空調 ,  冷房負荷予測 ,  MIV特徴抽出 ,  サポートベクトル回帰 ,  改良された灰色オオカミの最適化

分類 (2件)： 冷房  (PC02030Q) ,  エネルギー消費・省エネルギー  (LD01000B)

タイトルに関連する用語 (5件)： SVR ,  氷蓄熱 ,  空調 ,  短期 ,  予測モデル