論文の概要: Edge-based Parametric Digital Twins for Intelligent Building Indoor
Climate Modeling
- arxiv url: http://arxiv.org/abs/2403.04326v1
- Date: Thu, 7 Mar 2024 08:45:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-08 14:33:15.080729
- Title: Edge-based Parametric Digital Twins for Intelligent Building Indoor
Climate Modeling
- Title(参考訳): 知的建築室内環境モデリングのためのエッジベースパラメトリックデジタル双生児
- Authors: Zhongjun Ni (1), Chi Zhang (2), Magnus Karlsson (1), Shaofang Gong (1)
((1) Department of Science and Technology, Link\"oping University, Campus
Norrk\"oping, Norrk\"oping, Sweden. (2) Department of Computer Science and
Engineering, University of Gothenburg, Gothenburg, Sweden.)
- Abstract要約: 構築された環境におけるデジタルトランスフォーメーションは、構築操作を最適化するデータ駆動モデルを開発するために膨大なデータを生成する。
本研究では, エッジコンピューティング, デジタルツイン, 深層学習を活用し, 建物内の気候の理解を深める統合ソリューションを提案する。
- 参考スコア(独自算出の注目度): 0.8460034567194062
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Digital transformation in the built environment generates vast data for
developing data-driven models to optimize building operations. This study
presents an integrated solution utilizing edge computing, digital twins, and
deep learning to enhance the understanding of climate in buildings. Parametric
digital twins, created using an ontology, ensure consistent data representation
across diverse service systems equipped by different buildings. Based on
created digital twins and collected data, deep learning methods are employed to
develop predictive models for identifying patterns in indoor climate and
providing insights. Both the parametric digital twin and deep learning models
are deployed on edge for low latency and privacy compliance. As a
demonstration, a case study was conducted in a historic building in
\"Osterg\"otland, Sweden, to compare the performance of five deep learning
architectures. The results indicate that the time-series dense encoder model
exhibited strong competitiveness in performing multi-horizon forecasts of
indoor temperature and relative humidity with low computational costs.
- Abstract(参考訳): 構築された環境におけるデジタルトランスフォーメーションは、構築操作を最適化するデータ駆動モデルを開発するために膨大なデータを生成する。
本研究では, エッジコンピューティング, デジタルツイン, 深層学習を活用し, 建物内の気候の理解を深める統合ソリューションを提案する。
オントロジーを用いて作成されたパラメトリックデジタルツインは、さまざまな建物を備えた多様なサービスシステム間で一貫性のあるデータ表現を保証する。
生成したデジタルツインと収集データに基づいて、深層学習法を用いて、屋内気候のパターンを特定し、洞察を提供する予測モデルを開発する。
パラメトリックデジタルツインモデルとディープラーニングモデルの両方が、低レイテンシとプライバシコンプライアンスのためにエッジにデプロイされる。
実演として,5つのディープラーニングアーキテクチャのパフォーマンスを比較するために,スウェーデンのオステルグ(osterg\)オットランドにある歴史的な建物で事例研究を行った。
その結果, 計算コストの低い室内温度と相対湿度のマルチホリゾン予測において, 時系列高密度エンコーダモデルが強い競合性を示した。
関連論文リスト
- Tackling Data Heterogeneity in Federated Time Series Forecasting [61.021413959988216]
時系列予測は、エネルギー消費予測、病気の伝染モニタリング、天気予報など、様々な実世界の応用において重要な役割を果たす。
既存のほとんどのメソッドは、分散デバイスから中央クラウドサーバに大量のデータを収集する、集中的なトレーニングパラダイムに依存しています。
本稿では,情報合成データを補助的知識キャリアとして生成することにより,データの均一性に対処する新しいフレームワークであるFed-TRENDを提案する。
論文 参考訳(メタデータ) (2024-11-24T04:56:45Z) - Enabling High Data Throughput Reinforcement Learning on GPUs: A Domain Agnostic Framework for Data-Driven Scientific Research [90.91438597133211]
我々は、強化学習の適用において重要なシステムのボトルネックを克服するために設計されたフレームワークであるWarpSciを紹介する。
我々は、CPUとGPU間のデータ転送の必要性を排除し、数千のシミュレーションを同時実行可能にする。
論文 参考訳(メタデータ) (2024-08-01T21:38:09Z) - Training Deep Surrogate Models with Large Scale Online Learning [48.7576911714538]
ディープラーニングアルゴリズムは、PDEの高速解を得るための有効な代替手段として登場した。
モデルは通常、ソルバによって生成された合成データに基づいてトレーニングされ、ディスクに格納され、トレーニングのために読み返される。
ディープサロゲートモデルのためのオープンソースのオンライントレーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2023-06-28T12:02:27Z) - Leveraging Deep Learning and Digital Twins to Improve Energy Performance
of Buildings [0.0]
この研究は、Deep Energy Twin(ディープエナジー・ツイン)という、ディープラーニングとデジタル双生児を統合して、エネルギー利用をよりよく理解するためのソリューションを提案している。
オントロジーは、建物内の異なるシステム間でデータフォーマットの一貫性を提供するパラメトリックデジタルツインを作成するために採用された。
ディープラーニング手法は、パターンを特定し、エネルギー最適化のための洞察を提供するために、データ分析を行うために使用された。
論文 参考訳(メタデータ) (2023-05-08T06:48:33Z) - 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) - 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) - Point Cloud Data Simulation and Modelling with Aize Workspace [0.03818040429210837]
この研究は、デジタル双生児でよく使われるデータモデルに注目し、シミュレーションデータを用いて訓練された表面再構成とセマンティックセグメンテーションモデルから予備的な結果を示す。
この研究は、デジタルツイン内のデータコンテキスト化における将来の取り組みの土台となることが期待されている。
論文 参考訳(メタデータ) (2023-01-19T08:47:31Z) - Semi-Supervised Video Deraining with Dynamic Rain Generator [59.71640025072209]
本稿では,降雨層に適合する動的降雨発生器を用いた半教師付きビデオデレーシング手法を提案する。
具体的には、1つのエミッションモデルと1つのトランジションモデルから成り、空間的物理的構造と時系列の雨の連続的な変化を同時にエンコードする。
ラベル付き合成およびラベルなしの実データのために、それらの基礎となる共通知識を十分に活用するために、様々な先行フォーマットが設計されている。
論文 参考訳(メタデータ) (2021-03-14T14:28:57Z) - 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) - Machine learning based digital twin for dynamical systems with multiple
time-scales [0.0]
デジタルツイン技術は、インフラ、航空宇宙、自動車といった様々な産業分野で広く応用される可能性がある。
ここでは、2つの異なる運用時間スケールで進化する線形単一自由度構造力学系のためのデジタルツインフレームワークに焦点を当てる。
論文 参考訳(メタデータ) (2020-05-12T15:33:25Z) - From Physics-Based Models to Predictive Digital Twins via Interpretable
Machine Learning [0.0]
この研究は、物理モデルライブラリーからデータ駆動型デジタルツインを作成する方法論を開発する。
デジタルツインは、解釈可能な機械学習を使用して更新される。
このアプローチは、12フィートの翼幅無人航空機のための構造的デジタルツインの開発を通じて実証される。
論文 参考訳(メタデータ) (2020-04-23T17:55:04Z)
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。