論文の概要: EnergyPlus Room Simulator

• arxiv url: http://arxiv.org/abs/2410.19888v1
• Date: Fri, 25 Oct 2024 07:57:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-29 12:21:55.897659
• Title: EnergyPlus Room Simulator
• Title（参考訳）: エネルギープラス室シミュレータ
• Authors: Manuel Weber, Philipp Bogdain, Sophia Viktoria Weißenberger, Diana Marjanovic, Katharina Sammet, Jan Vellmer, Farzan Banihashemi, Peter Mandl,
• Abstract要約: 本研究では, 室内環境シミュレーションを行うEnergyPlus Room Simulatorについて述べる。 室内モデルを変更し、温度、湿度、CO2濃度などの様々な要因をシミュレートすることができる。 このツールは、シミュレーションデータへの高速なアクセスを容易にすることで、部屋レベルでの占有検知などの科学的、建築関連のタスクを支援することを目的としている。
• 参考スコア（独自算出の注目度）: 0.34263545581620375
• License:
• Abstract: Research towards energy optimization in buildings heavily relies on building-related data such as measured indoor climate factors. While data collection is a labor- and cost-intensive task, simulations are a cheap alternative to generate datasets of arbitrary sizes, particularly useful for data-intensive deep learning methods. In this paper, we present the tool EnergyPlus Room Simulator, which enables the simulation of indoor climate in a specific room of a building using the simulation software EnergyPlus. It allows to alter room models and simulate various factors such as temperature, humidity, and CO2 concentration. In contrast to manually working with EnergyPlus, this tool enhances the simulation process by offering a convenient interface, including a user-friendly graphical user interface (GUI) as well as a REST API. The tool is intended to support scientific, building-related tasks such as occupancy detection on a room level by facilitating fast access to simulation data that may, for instance, be used for pre-training machine learning models.
• Abstract（参考訳）: 建物内のエネルギー最適化に関する研究は、屋内の気候要因などの建物関連データに大きく依存している。 データ収集は労力とコストのかかる作業であるが、シミュレーションは任意のサイズのデータセットを生成するための安価な代替手段であり、特にデータ集約的なディープラーニング手法に有用である。 本稿では,シミュレーションソフトウェアであるEnergyPlusを用いた室内環境シミュレーションツールであるEnergyPlus Room Simulatorを提案する。 室内モデルを変更し、温度、湿度、CO2濃度などの様々な要因をシミュレートすることができる。 EnergyPlusと手動で作業するのとは対照的に、このツールは、ユーザフレンドリなグラフィカルユーザインターフェース(GUI)やREST APIを含む便利なインターフェースを提供することで、シミュレーションプロセスを強化する。 このツールは、例えば機械学習モデルの事前学習に使用可能なシミュレーションデータへの高速なアクセスを容易にすることで、部屋レベルでの占有検知などの科学的、建築関連のタスクをサポートすることを意図している。

関連論文リスト

• Real-World Data and Calibrated Simulation Suite for Offline Training of Reinforcement Learning Agents to Optimize Energy and Emission in Buildings for Environmental Sustainability [2.7624021966289605]
  本稿では,実オフィスビルにおけるデバイスの実測から抽出した,オープンソースの対話型HVAC制御データセットについて紹介する。 使いやすくするために、私たちのRL環境は、すべてOpenAIのジム環境標準と互換性があります。
  論文  参考訳（メタデータ） (2024-10-02T06:30:07Z)
• Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous Driving Research [76.93956925360638]
  Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。 TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。 我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
  論文  参考訳（メタデータ） (2023-10-12T20:49:15Z)
• FaIRGP: A Bayesian Energy Balance Model for Surface Temperatures Emulation [13.745581787463962]
  本稿では,エネルギー収支モデルの物理温度応答方程式を満たすデータ駆動エミュレータであるFaIRGPを紹介する。 本稿では,FaIRGPを用いて大気上層放射力の推定値を得る方法について述べる。 この研究が、気候エミュレーションにおけるデータ駆動手法の採用の拡大に寄与することを期待している。
  論文  参考訳（メタデータ） (2023-07-14T08:43:36Z)
• Development of a Realistic Crowd Simulation Environment for Fine-grained Validation of People Tracking Methods [0.7223361655030193]
  この研究は、群衆シミュレーションの拡張(CrowdSim2)を開発し、人追跡アルゴリズムの適用性を証明する。 シミュレータは非常に人気のあるUnity 3Dエンジンを使用して開発されており、特に環境におけるリアリズムの側面に焦点を当てている。 IOU-Tracker、Deep-Sort、Deep-TAMAという3つのトラッキング手法が生成されたデータセットの検証に使用された。
  論文  参考訳（メタデータ） (2023-04-26T09:29:58Z)
• 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)
• Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
  マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。 本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
  論文  参考訳（メタデータ） (2022-09-05T16:48:34Z)
• Synthetic Data-Based Simulators for Recommender Systems: A Survey [55.60116686945561]
  本調査は,モデリングとシミュレーションの分野における最近のトレンドを包括的に概観することを目的としている。 まずは、シミュレーターを実装するフレームワークの開発の背後にあるモチベーションから始めます。 我々は,既存のシミュレータの機能,近似,産業的有効性に基づいて,新しい一貫した一貫した分類を行う。
  論文  参考訳（メタデータ） (2022-06-22T19:33:21Z)
• 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)
• Learning Discrete Energy-based Models via Auxiliary-variable Local Exploration [130.89746032163106]
  離散構造データに対する条件付きおよび非条件付きEMMを学習するための新しいアルゴリズムであるALOEを提案する。 エネルギー関数とサンプリング器は、新しい変分型電力繰り返しにより効率よく訓練できることを示す。 本稿では、ソフトウェアテストのためのエネルギーモデルガイド付ファジィザについて、libfuzzerのようなよく設計されたファジィエンジンに匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2020-11-10T19:31:29Z)
• Towards the Detection of Building Occupancy with Synthetic Environmental Data [0.7375976854181688]
  現在の占有度検出文献は、データ駆動方式に焦点をあてているが、ほとんど部屋が少ない小さなケーススタディに基づいている。 より少ないデータから正確な予測を導き出すため,合成データからの知識伝達を提案する。
  論文  参考訳（メタデータ） (2020-10-08T18:41:48Z)

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。