論文の概要: A Multilayer Perceptron-based Fast Sunlight Assessment for the
Conceptual Design of Residential Neighborhoods under Chinese Policy
- arxiv url: http://arxiv.org/abs/2308.07616v1
- Date: Tue, 15 Aug 2023 07:53:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-16 13:40:46.382919
- Title: A Multilayer Perceptron-based Fast Sunlight Assessment for the
Conceptual Design of Residential Neighborhoods under Chinese Policy
- Title（参考訳）: 中国政策下における住宅団地の概念設計のための多層パーセプトロン型高速日光評価
- Authors: Can Jiang, Xiong Liang, Yu-Cheng Zhou, Yong Tian, Shengli Xu, Jia-Rui
Lin, Zhiliang Ma, Shiji Yang, Hao Zhou
- Abstract要約: 中国の建築法典では、特定の冬の日に住宅が自然の直射日光を最小時間受けることが求められている。
公式に認可された計算ソフトウェアは通常、建物の日光性能を評価するために使用される。
本稿では,入力された立方体形状の建物によって生じるシェーディング時間間隔を出力する一段階予測手法を提案する。
- 参考スコア（独自算出の注目度）: 15.748398721558102
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In Chinese building codes, it is required that residential buildings receive
a minimum number of hours of natural, direct sunlight on a specified winter
day, which represents the worst sunlight condition in a year. This requirement
is a prerequisite for obtaining a building permit during the conceptual design
of a residential project. Thus, officially sanctioned software is usually used
to assess the sunlight performance of buildings. These software programs
predict sunlight hours based on repeated shading calculations, which is
time-consuming. This paper proposed a multilayer perceptron-based method, a
one-stage prediction approach, which outputs a shading time interval caused by
the inputted cuboid-form building. The sunlight hours of a site can be obtained
by calculating the union of the sunlight time intervals (complement of shading
time interval) of all the buildings. Three numerical experiments, i.e.,
horizontal level and slope analysis, and simulation-based optimization are
carried out; the results show that the method reduces the computation time to
1/84~1/50 with 96.5%~98% accuracies. A residential neighborhood layout planning
plug-in for Rhino 7/Grasshopper is also developed based on the proposed model.
This paper indicates that deep learning techniques can be adopted to accelerate
sunlight hour simulations at the conceptual design phase.
- Abstract（参考訳）: 中国の建築基準では、特定の冬の日に住宅が自然の直射日光を最小時間受けることが義務付けられており、これは1年で最悪の日光条件である。
この要件は、住宅計画の概念設計中に建物の許可を得るための前提条件である。
したがって、公式に認可されたソフトウェアは通常、建物の日光性能を評価するために使用される。
これらのソフトウェアプログラムは、繰り返しシェーディング計算に基づいて日光時間を予測する。
本論文では,入力された立方体型建物によって生じるシェーディング時間間隔を出力する多層パーセプトロンに基づく一段階予測手法を提案する。
全ての建物の日射時間間隔(日射時間間隔の組合せ)の和を計算して、敷地の日射時間を求めることができる。
その結果、計算時間を96.5%～98%の精度で1/84~1/50に短縮できることがわかった。
また,提案モデルに基づき,rhino 7/grasshopperの住宅街区配置計画用プラグインも開発した。
本稿では,概念設計段階での日光時間シミュレーションの高速化に深層学習手法を応用できることを示す。
関連論文リスト
- The Languini Kitchen: Enabling Language Modelling Research at Different
Scales of Compute [66.84421705029624]
本稿では,アクセル時間で測定された等価計算に基づくモデル比較を可能にする実験的プロトコルを提案する。
私たちは、既存の学術的ベンチマークを上回り、品質、多様性、文書の長さで上回る、大規模で多様で高品質な書籍データセットを前処理します。
この研究は、GPT-2アーキテクチャから派生したフィードフォワードモデルと、10倍のスループットを持つ新しいLSTMの形式でのリカレントモデルという2つのベースラインモデルも提供する。
論文 参考訳（メタデータ） (2023-09-20T10:31:17Z) - Counting Crowds in Bad Weather [68.50690406143173]
本研究では,悪天候シナリオにおいて,ロバストな群集カウント手法を提案する。
モデルでは,外見のバリエーションが大きいことを考慮し,効果的な特徴と適応的なクエリを学習する。
実験の結果,提案アルゴリズムは,ベンチマークデータセット上で異なる気象条件下での群集のカウントに有効であることが示唆された。
論文 参考訳（メタデータ） (2023-06-02T00:00:09Z) - Improving day-ahead Solar Irradiance Time Series Forecasting by
Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。
しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。
本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-06-01T19:54:39Z) - SolarGAN: Synthetic Annual Solar Irradiance Time Series on Urban
Building Facades via Deep Generative Networks [0.0]
ビル・インテグレート・ソーラー(BIPV)は、ビルのエンベロープで利用可能な太陽エネルギーを利用して都市エネルギーシステムを脱炭する有望な技術である。
既存の物理に基づくシミュレーションプログラムは、時間解決結果を生成するために、かなりのモデリングと計算時間を必要とする。
本稿では,建築ファサード上での年間日射量時系列の高忠実なアンサンブルを効率的に生成する,Deep Generative Networks (DGN) に基づくデータ駆動モデルを提案する。
論文 参考訳（メタデータ） (2022-06-01T20:17:11Z) - Physics Informed Shallow Machine Learning for Wind Speed Prediction [66.05661813632568]
イタリアの32カ所の標高10mの風速計から観測された大量の風のデータセットを分析した。
我々は、過去の風の履歴を用いて教師あり学習アルゴリズムを訓練し、その価値を将来予測する。
最適設計と性能は場所によって異なることがわかった。
論文 参考訳（メタデータ） (2022-04-01T14:55:10Z) - Feature Construction and Selection for PV Solar Power Modeling [1.8960797847221296]
太陽光発電(PV)発電を予測するモデルを構築することで、意思決定者はエネルギー不足を補うことができる。
太陽エネルギーの出力は、光や天気など多くの要因に依存する時系列データである。
本研究では, 過去のデータをもとに, 1時間先進太陽エネルギー予測のための機械学習フレームワークを開発した。
論文 参考訳（メタデータ） (2022-02-13T06:49:28Z) - Development of a hybrid machine-learning and optimization tool for
performance-based solar shading design [0.0]
この研究には、最適化された機械学習モデルに導入された87912の代替と6つの計算されたメトリクスが含まれている。
最も正確かつ高速な推定モデルはRandom Forrestで、r2_scoreは0.967から1。
開発したツールは,それぞれ数秒以内で,さまざまな設計代替案を評価することができる。
論文 参考訳（メタデータ） (2022-01-09T14:54:33Z) - A machine-learning framework for daylight and visual comfort assessment
in early design stages [0.0]
本研究は主に、初期の設計段階における日光および視覚的快適度予測における機械学習アルゴリズムの評価に焦点を当てている。
データセットは、主にHoneybee for Grasshopperから派生した2880のシミュレーションから開発された。
予測精度は平均97%と推定された。
論文 参考訳（メタデータ） (2021-09-14T05:34:45Z) - GMLight: Lighting Estimation via Geometric Distribution Approximation [86.95367898017358]
本稿では,効率的な照明推定のための回帰ネットワークと生成プロジェクタを用いた照明推定フレームワークを提案する。
幾何学的な光の分布、光強度、周囲条件、および補助深さの点から照明シーンをパラメータ化し、純粋な回帰タスクとして推定します。
推定照明パラメータを用いて、生成プロジェクタはパノラマ照明マップを現実的な外観と周波数で合成する。
論文 参考訳（メタデータ） (2021-02-20T03:31:52Z) - Nighttime Dehazing with a Synthetic Benchmark [147.21955799938115]
昼間の鮮明な画像から夜間のハズイ画像をシミュレートする3Rという新しい合成法を提案する。
実空間の光色を以前の経験的分布からサンプリングすることにより,現実的な夜間ハズイ画像を生成する。
実験結果は、画像の品質と実行時間の両方の観点から、最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-08-10T02:16:46Z) - An Integrated Multi-Time-Scale Modeling for Solar Irradiance Forecasting
Using Deep Learning [1.52292571922932]
太陽エネルギーの非定常特性のため、短期的な太陽照度予測は困難である。
日内太陽光のマルチスケール予測のための統一アーキテクチャを提案する。
提案手法は,全試験場の平均RMSEを71.5%削減する。
論文 参考訳（メタデータ） (2019-05-07T14:40:32Z)
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。