論文の概要: Application of Classification and Feature Selection in Building Energy
Simulations
- arxiv url: http://arxiv.org/abs/2108.12363v1
- Date: Fri, 27 Aug 2021 15:55:00 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-30 14:57:54.981960
- Title: Application of Classification and Feature Selection in Building Energy
Simulations
- Title(参考訳): 建築エネルギーシミュレーションにおける分類と特徴選択の適用
- Authors: Fatemeh Shahsavari, Zohreh Shaghaghian
- Abstract要約: 建築用封筒材は、建築エネルギー性能を向上させる上で重要な役割を担っている。
本研究は, 材料熱特性が建築熱負荷に及ぼす影響について, 線形判別分析 (LDA) 法を適用した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Building energy performance is one of the key features in performance-based
building design decision making. Building envelope materials can play a key
role in improving building energy performance. The thermal properties of
building materials determine the level of heat transfer through building
envelope, thus the annual thermal energy performance of the building. This
research applies the Linear Discriminant Analysis (LDA) method to study the
effects of materials' thermal properties on building thermal loads. Two
approaches are adopted for feature selection including the Principal Component
Analysis (PCA) and the Exhaustive Feature Selection (EFS). A hypothetical
design scenario is developed with six material alternatives for an office
building in Los Angeles, California. The best design alternative is selected
based on the LDA results and the key input parameters are determined based on
the PCA and EFS methods. The PCA results confirm that among all thermal
properties of the materials, the four parameters including thermal
conductivity, density, specific heat capacity, and thickness are the most
critical features, in terms of building thermal behavior and thermal energy
consumption. This result matches quite well with the assumptions of most of the
building energy simulation tools.
- Abstract(参考訳): エネルギーパフォーマンスの構築は、パフォーマンスベースの設計決定における重要な特徴の1つです。
建築用封筒材は、建築エネルギー性能向上に重要な役割を果たす。
建築材料の熱特性は、建物エンベロープを通した熱伝達のレベルを決定するため、建物の年次熱エネルギー性能は決定される。
本研究は, 材料熱特性が建築熱負荷に及ぼす影響について, 線形判別分析 (LDA) 法を適用した。
主成分分析(PCA)と排他的特徴選択(EFS)の2つの手法が特徴選択に適用されている。
仮説設計のシナリオは、カリフォルニア州ロサンゼルスのオフィスビルに6つの代替素材で開発されている。
最適設計代替案はLDA結果に基づいて選択され、PCA法とEFS法に基づいてキー入力パラメータが決定される。
PCAの結果, 熱伝導率, 密度, 比熱容量, 厚さの4つのパラメータが, 建築熱挙動および熱エネルギー消費の面で最も重要な特徴であることが確認された。
この結果は、構築エネルギーシミュレーションツールの大部分の仮定と非常によく一致する。
関連論文リスト
- A New Method of Pixel-level In-situ U-value Measurement for Building
Envelopes Based on Infrared Thermography [12.956861892706694]
性能評価のための目標建物のエネルギーモデルを作成しようとするエネルギー監査員は、正確な結果を得るのに苦労する可能性がある。
本稿では,赤外線サーモグラフィ(IRT)に基づく画素レベルの手法を提案し,壁面の屋外および屋内面の2次元(2次元)空間温度分布を考察し,壁面の2次元U値マップを生成する。
論文 参考訳(メタデータ) (2024-01-13T21:46:31Z) - Data-driven building energy efficiency prediction using physics-informed neural networks [2.572906392867547]
住宅のエネルギー性能を予測するための物理インフォームドニューラルネットワークモデルを提案する。
物理方程式に基づく関数は、熱損失に基づいて建物のエネルギー消費を計算し、深層学習モデルの損失関数を強化する。
この手法はラトビアのリガにある256の建物の実例調査で検証されている。
論文 参考訳(メタデータ) (2023-11-14T09:55:03Z) - Global Transformer Architecture for Indoor Room Temperature Forecasting [49.32130498861987]
本研究は,多室ビルにおける室内温度予測のためのグローバルトランスフォーマーアーキテクチャを提案する。
エネルギー消費を最適化し、HVACシステムに関連する温室効果ガス排出を削減することを目的としている。
本研究は,マルチルームビルにおける室内温度予測にトランスフォーマーアーキテクチャを適用した最初の事例である。
論文 参考訳(メタデータ) (2023-10-31T14:09:32Z) - Multi-fidelity Design of Porous Microstructures for Thermofluidic
Applications [0.5249805590164902]
多孔質表面で強化された二相冷却法が潜在的な溶液として出現している。
このような多孔質構造では、最適放熱容量は2つの競合する目的に依存する。
我々は, 最適多孔質構造を設計するためのデータ駆動型フレームワークを開発した。
論文 参考訳(メタデータ) (2023-10-27T21:51:11Z) - Toward High-Performance Energy and Power Battery Cells with Machine
Learning-based Optimization of Electrode Manufacturing [61.27691515336054]
本研究では,所望のバッテリ適用条件に対する高性能電極の課題に対処する。
本稿では、電気化学性能の2目的最適化のための決定論的機械学習(ML)支援パイプラインによって支援される強力なデータ駆動アプローチを提案する。
以上の結果から,スラリー中の固形物の中間値とカレンダリング度を併用した高活性物質が最適電極となることが示唆された。
論文 参考訳(メタデータ) (2023-07-07T13:48:50Z) - Predicting Thermoelectric Power Factor of Bismuth Telluride During Laser
Powder Bed Fusion Additive Manufacturing [0.0]
熱電材料において、パワーファクター(英: power factor)とは、熱を電気に変換するための効率の尺度である。
本研究では,ビスマステルル化物(Bi2Te3)の添加製造過程におけるパワーファクターを予測するために,異なる機械学習モデルを訓練する。
論文 参考訳(メタデータ) (2023-03-28T01:09:15Z) - Low Emission Building Control with Zero-Shot Reinforcement Learning [70.70479436076238]
強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。
我々は、ゼロショットビルディング制御と呼ばれるパラダイムを優先せずに、排出削減ポリシーを得られることを示す。
論文 参考訳(メタデータ) (2022-08-12T17:13:25Z) - What Image Features Boost Housing Market Predictions? [81.32205133298254]
本稿では,予測アルゴリズムにおける効率的な数値包摂のための視覚特徴抽出手法を提案する。
本稿では,シャノンのエントロピー,重心計算,画像分割,畳み込みニューラルネットワークなどの手法について論じる。
ここで選択された40の画像特徴のセットは、かなりの量の予測能力を持ち、最も強力なメタデータ予測器よりも優れています。
論文 参考訳(メタデータ) (2021-07-15T06:32:10Z) - Thermal transmittance prediction based on the application of artificial
neural networks on heat flux method results [0.0]
エネルギー効率関連の指令により、建物ストックの深層エネルギー改修が欧州連合でより注目されるようになった。
熱フラックス法(HFM)は、リノベーション設計プロセスが始まる前にフィールドテストでは広く使用されていません。
本稿では,1つの熱流センサによる並列測定により測定時間を短縮する可能性を分析する。
論文 参考訳(メタデータ) (2021-03-27T21:02:31Z) - Energy-based models for atomic-resolution protein conformations [88.68597850243138]
原子スケールで動作するタンパク質コンホメーションのエネルギーモデル(EBM)を提案する。
このモデルは、結晶化されたタンパク質のデータにのみ訓練されている。
モデル出力と隠された表現の研究により、タンパク質エネルギーに関連する物理化学的性質を捉えることが判明した。
論文 参考訳(メタデータ) (2020-04-27T20:45:12Z) - Thermoelectricity in Quantum-Hall Corbino Structures [48.7576911714538]
量子ホール効果系におけるコルビノ構造の熱電応答を測定する。
本研究では, ランダウを部分的に充填した場合, 非常に大きな熱電冷却の効率性を示す数値を予測した。
論文 参考訳(メタデータ) (2020-03-03T19:19:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。