論文の概要: A Deep Learning Approach for Thermal Plume Prediction of Groundwater Heat Pumps

• arxiv url: http://arxiv.org/abs/2203.14961v1
• Date: Tue, 29 Mar 2022 07:12:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-31 04:40:16.956964
• Title: A Deep Learning Approach for Thermal Plume Prediction of Groundwater Heat Pumps
• Title（参考訳）: 深層学習による地下水ヒートポンプの熱プルーム予測
• Authors: Raphael Leiteritz, Kyle Davis, Miriam Schulte, Dirk Pfl\"uger
• Abstract要約: 本研究では, 周辺海域における地下水ヒートポンプが生み出す熱気流をモデル化するための, 小型サロゲート構築のための新しいデータ駆動手法を開発した。 既存のモデルと比較して、計算が迅速でありながら、より複雑なダイナミクスをキャプチャできることが示されています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Climate control of buildings makes up a significant portion of global energy consumption, with groundwater heat pumps providing a suitable alternative. To prevent possibly negative interactions between heat pumps throughout a city, city planners have to optimize their layouts in the future. We develop a novel data-driven approach for building small-scale surrogates for modelling the thermal plumes generated by groundwater heat pumps in the surrounding subsurface water. Building on a data set generated from 2D numerical simulations, we train a convolutional neural network for predicting steady-state subsurface temperature fields from a given subsurface velocity field. We show that compared to existing models ours can capture more complex dynamics while still being quick to compute. The resulting surrogate is thus well-suited for interactive design tools by city planners.
• Abstract（参考訳）: 建物の気候管理は世界のエネルギー消費の大きな部分を占めており、地下水ヒートポンプが適切な代替手段となっている。 都市全体のヒートポンプ間の負の相互作用を防ぐため、都市計画者は将来の配置を最適化する必要がある。 地下水ヒートポンプで発生する熱水プルームをモデル化する小型サーロゲートを構築するための新しいデータ駆動手法を開発した。 2次元数値シミュレーションから生成されたデータセットに基づいて,畳み込みニューラルネットワークを訓練し,与えられた地下速度場から定常地下温度場を予測する。 既存のモデルと比較して、計算が迅速でありながら、より複雑なダイナミクスを捉えることができる。 その結果生まれたsurrogateは、都市計画者によるインタラクティブなデザインツールに適している。

関連論文リスト

• Spatio-Temporal Jump Model for Urban Thermal Comfort Monitoring [0.0]
  空間次元と時間次元の両方にまたがってデータを扱うアテンポ的ハンドルを導入する。 我々は,本手法を広範囲なシミュレーションにより検証し,真に基礎となる分割を復元する際の精度を実証した。 本提案では, 都市環境の動的設定と実環境モニタリングへの適合性を実証し, その有効性を示す。
  論文  参考訳（メタデータ） (2024-11-14T15:36:19Z)
• Learning Structure-Guided Diffusion Model for 2D Human Pose Estimation [71.24808323646167]
  ニューラルネットワークを用いてキーポイントのヒートマップを学習するための新しいスキームである textbfDiffusionPose を提案する。 トレーニング中、キーポイントはノイズを加えることでランダム分布に拡散され、拡散モデルはノイズ付きヒートマップから地中構造熱マップを復元する。 実験では、広く使用されているCOCO、CrowdPose、AI Challengeデータセット上で1.6、1.2、1.2mAPの改善による、私たちのスキームの長所が示されている。
  論文  参考訳（メタデータ） (2023-06-29T16:24:32Z)
• An evaluation of deep learning models for predicting water depth evolution in urban floods [59.31940764426359]
  高空間分解能水深予測のための異なる深層学習モデルの比較を行った。 深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。 その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
  論文  参考訳（メタデータ） (2023-02-20T16:08:54Z)
• Deep learning based surrogate modeling for thermal plume prediction of groundwater heat pumps [0.0]
  ヒートポンプの噴射井から発生する熱気柱は下流に伝播し、周囲の利用者に影響を及ぼし、ヒートポンプ効率を低下させる。 干渉の確率を減らすため、規制当局は単純な分析モデルや高忠実度地下水シミュレーションに頼っていることが多い。 本研究では, 熱ポンプで発生する熱気柱の迅速かつ高精度な予測ツールを提供するため, 代理モデルを開発した。
  論文  参考訳（メタデータ） (2023-02-16T10:29:16Z)
• Rapid Flow Behavior Modeling of Thermal Interface Materials Using Deep Neural Networks [0.20999222360659608]
  熱界面材料(TIM)は電子包装に広く使われている。 本稿では,TIMの拡散挙動をモデル化する軽量長方形を提案する。 このモデルから得られたデータに基づいて,ニューラルネットワーク(ANN)をトレーニングすることにより,計算を高速化する。
  論文  参考訳（メタデータ） (2022-08-08T10:44:17Z)
• Conditioned Human Trajectory Prediction using Iterative Attention Blocks [70.36888514074022]
  本研究では,都市環境における歩行者位置予測を目的とした,簡易かつ効果的な歩行者軌道予測モデルを提案する。 我々のモデルは、複数のアテンションブロックとトランスフォーマーを反復的に実行できるニューラルネットワークアーキテクチャである。 ソーシャルマスク, 動的モデル, ソーシャルプーリング層, 複雑なグラフのような構造を明示的に導入することなく, SoTAモデルと同等の結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-06-29T07:49:48Z)
• Learning Large-scale Subsurface Simulations with a Hybrid Graph Network Simulator [57.57321628587564]
  本研究では3次元地下流体の貯留層シミュレーションを学習するためのハイブリッドグラフネットワークシミュレータ (HGNS) を提案する。 HGNSは、流体の進化をモデル化する地下グラフニューラルネットワーク(SGNN)と、圧力の進化をモデル化する3D-U-Netで構成されている。 産業標準地下フローデータセット(SPE-10)と1100万セルを用いて,HGNSが標準地下シミュレータの18倍の推算時間を短縮できることを実証した。
  論文  参考訳（メタデータ） (2022-06-15T17:29:57Z)
• Personal thermal comfort models using digital twins: Preference prediction with BIM-extracted spatial-temporal proximity data from Build2Vec [0.0]
  本研究は,室内環境の嗜好を予測するために,既存のベクトルベース空間モデルであるBuild2Vecを構築することを目的とする。 スマートウォッチを用いた生態的モーメントアセスメント(EMA)による長手的熱的快適感の主観的フィードバックを用いた枠組み テスト実装の結果,従来の温度優先予測入力変数を用いたベースラインのセットよりも14～28%精度が向上した。
  論文  参考訳（メタデータ） (2021-10-30T07:43:11Z)
• Probabilistic modeling of lake surface water temperature using a Bayesian spatio-temporal graph convolutional neural network [55.41644538483948]
  本研究では,湖沼の温度をある程度の深さでシミュレーションし,気象学的特徴と合わせて評価することを提案する。 本研究は,提案モデルが湖沼表面全体に均質に優れた性能をもたらすことを示す。 結果は、最先端のベイズ深層学習法と比較される。
  論文  参考訳（メタデータ） (2021-09-27T09:19:53Z)
• Machine learning for rapid discovery of laminar flow channel wall modifications that enhance heat transfer [56.34005280792013]
  任意の, 平坦な, 非平坦なチャネルの正確な数値シミュレーションと, ドラッグ係数とスタントン数を予測する機械学習モデルを組み合わせる。 畳み込みニューラルネットワーク(CNN)は,数値シミュレーションのわずかな時間で,目標特性を正確に予測できることを示す。
  論文  参考訳（メタデータ） (2021-01-19T16:14:02Z)

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。