論文の概要: Predicting the performance of hybrid ventilation in buildings using a multivariate attention-based biLSTM Encoder-Decoder neural network

• arxiv url: http://arxiv.org/abs/2302.04126v2
• Date: Thu, 23 Mar 2023 15:45:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-24 17:23:41.750460
• Title: Predicting the performance of hybrid ventilation in buildings using a multivariate attention-based biLSTM Encoder-Decoder neural network
• Title（参考訳）: 多変量注目型BiLSTMエンコーダデコーダニューラルネットワークを用いた建物におけるハイブリッド換気の性能予測
• Authors: Gaurav Chaudhary, Hicham Johra, Laurent Georges, Bj{\o}rn Austb{\o}
• Abstract要約: 本稿では,窓の開閉時の室内空気温度を予測するディープニューラルネットワーク(DNN)の機能について検討する。 その結果,DNNは窓の開閉時に5つのゾーンの室内空気温度を正確に予測できることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hybrid ventilation is an energy-efficient solution to provide fresh air for most climates, given that it has a reliable control system. To operate such systems optimally, a high-fidelity control-oriented modesl is required. It should enable near-real time forecast of the indoor air temperature based on operational conditions such as window opening and HVAC operating schedules. However, physics-based control-oriented models (i.e., white-box models) are labour-intensive and computationally expensive. Alternatively, black-box models based on artificial neural networks can be trained to be good estimators for building dynamics. This paper investigates the capabilities of a deep neural network (DNN), which is a multivariate multi-head attention-based long short-term memory (LSTM) encoder-decoder neural network, to predict indoor air temperature when windows are opened or closed. Training and test data are generated from a detailed multi-zone office building model (EnergyPlus). Pseudo-random signals are used for the indoor air temperature setpoints and window opening instances. The results indicate that the DNN is able to accurately predict the indoor air temperature of five zones whenever windows are opened or closed. The prediction error plateaus after the 24th step ahead prediction (6 hr ahead prediction).
• Abstract（参考訳）: ハイブリッド換気は、信頼性の高い制御システムを備えているため、ほとんどの気候に新鮮な空気を供給するためのエネルギー効率の高いソリューションである。 このようなシステムを最適に運用するには、高忠実度制御指向のモードを必要とする。 窓開放やHVACの運用スケジュールなどの運用条件に基づいて,室内空気温度のほぼリアルタイムな予測を可能にする。 しかし、物理に基づく制御指向モデル(ホワイトボックスモデル)は労働集約的で計算コストが高い。 あるいは、ニューラルネットワークに基づくブラックボックスモデルは、ダイナミクスを構築するための優れた推定器として訓練することができる。 本稿では,多変量多頭注意型long short term memory (lstm)エンコーダ・デコーダニューラルネットワークであるdeep neural network (dnn) の機能について検討し,窓の開閉時の室内気温を予測する。 トレーニングとテストデータは、詳細なマルチゾーンオフィスビルモデル(energyplus)から生成される。 擬似ランダム信号は室内の気温設定点と窓の開口点に使用される。 その結果,DNNは窓の開閉時に5つのゾーンの室内空気温度を正確に予測できることがわかった。 予測誤差は、第24段階の予測後(6 hrの予測前)に表される。

関連論文リスト

• Generalizing Weather Forecast to Fine-grained Temporal Scales via Physics-AI Hybrid Modeling [55.13352174687475]
  本稿では,天気予報をより微細なテンポラルスケールに一般化する物理AIハイブリッドモデル(WeatherGFT)を提案する。 具体的には、小さな時間スケールで物理進化をシミュレートするために、慎重に設計されたPDEカーネルを用いる。 我々は、異なるリードタイムでのモデルの一般化を促進するためのリードタイムアウェアトレーニングフレームワークを導入する。
  論文  参考訳（メタデータ） (2024-05-22T16:21:02Z)
• FengWu-4DVar: Coupling the Data-driven Weather Forecasting Model with 4D Variational Assimilation [67.20588721130623]
  我々は,AIを用いた循環型天気予報システムFengWu-4DVarを開発した。 FengWu-4DVarは観測データをデータ駆動の天気予報モデルに組み込むことができる。 シミュレーションされた観測データセットの実験は、FengWu-4DVarが合理的な解析場を生成することができることを示した。
  論文  参考訳（メタデータ） (2023-12-16T02:07:56Z)
• Geometry-Informed Neural Operator for Large-Scale 3D PDEs [76.06115572844882]
  大規模偏微分方程式の解演算子を学習するために,幾何インフォームド・ニューラル演算子(GINO)を提案する。 我々はGINOを訓練し、わずか500点のデータポイントで車両表面の圧力を予測することに成功した。
  論文  参考訳（メタデータ） (2023-09-01T16:59:21Z)
• Deep Learning for Day Forecasts from Sparse Observations [60.041805328514876]
  深層ニューラルネットワークは、気象条件をモデル化するための代替パラダイムを提供する。 MetNet-3は、密度とスパースの両方のデータセンサーから学習し、降水、風、温度、露点を最大24時間前に予測する。 MetNet-3は、それぞれ時間分解能と空間分解能が高く、最大2分と1km、運用遅延は低い。
  論文  参考訳（メタデータ） (2023-06-06T07:07:54Z)
• ClimaX: A foundation model for weather and climate [51.208269971019504]
  ClimaXは気象と気候科学のディープラーニングモデルである。 気候データセットの自己教師型学習目標で事前トレーニングすることができる。 気候や気候の様々な問題に対処するために、微調整が可能である。
  論文  参考訳（メタデータ） (2023-01-24T23:19:01Z)
• An advanced spatio-temporal convolutional recurrent neural network for storm surge predictions [73.4962254843935]
  本研究では, 人工ニューラルネットワークモデルを用いて, 嵐の軌跡/規模/強度履歴に基づいて, 強風をエミュレートする能力について検討する。 本研究では, 人工嵐シミュレーションのデータベースを用いて, 強風を予測できるニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2022-04-18T23:42:18Z)
• Statistical Post-processing for Gridded Temperature Forecasts Using Encoder-Decoder Based Deep Convolutional Neural Networks [0.0]
  日本気象庁(JMA)は積雪量と降水量を予測するための格子状温度誘導を運用している。 NWPモデルが前線の位置を正確に予測しなかったり、観測温度が極端に寒かったり暑かったりした場合、温度の補正は困難であった。 本稿では,関東地方の表面温度を予測するために,エンコーダデコーダ型畳み込みニューラルネットワーク(cnns)を用いた。
  論文  参考訳（メタデータ） (2021-03-02T05:28:31Z)
• A Sequential Modelling Approach for Indoor Temperature Prediction and Heating Control in Smart Buildings [4.759925918369102]
  本稿では,室内温度の予測にデータ駆動統計手法を逐次適用するための学習ベースフレームワークを提案する。 実験では、モデリングアプローチと制御アルゴリズムの有効性を実証し、スマートビルディングアプリケーションにおける混合データ駆動アプローチの有望な可能性を明らかにする。
  論文  参考訳（メタデータ） (2020-09-21T13:20:27Z)
• Simulation and Optimisation of Air Conditioning Systems using Machine Learning [4.511561231517167]
  建物の管理において、通常、静的な温度設定は、その占有の有無にかかわらず、建物の内部温度を快適に維持するために用いられる。 本稿では,機械学習のアプローチを用いて,特定の部屋における未占有時間における集合点の最適化方法について検討する。
  論文  参考訳（メタデータ） (2020-06-27T06:42:25Z)
• Improving data-driven global weather prediction using deep convolutional neural networks on a cubed sphere [7.918783985810551]
  深層畳み込みニューラルネットワーク(CNN)を用いたデータ駆動型世界天気予報フレームワークを提案する。 このフレームワークの新しい開発には、オフラインの体積保存的マッピングから立方体球格子へのマッピングが含まれる。 我々のモデルでは、入力された大気状態の少ない変数から複雑な表面温度パターンを予測することができる。
  論文  参考訳（メタデータ） (2020-03-15T19:57:34Z)

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。