論文の概要: NEBULA: A National Scale Dataset for Neighbourhood-Level Urban Building Energy Modelling for England and Wales

• arxiv url: http://arxiv.org/abs/2501.09407v1
• Date: Thu, 16 Jan 2025 09:26:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-17 15:11:10.698108
• Title: NEBULA: A National Scale Dataset for Neighbourhood-Level Urban Building Energy Modelling for England and Wales
• Title（参考訳）: NEBULA:イングランドとウェールズの近隣都市建設エネルギーモデルのための全国規模のデータセット
• Authors: Grace Colverd, Ronita Bardhan, Jonathan Cullen,
• Abstract要約: ビルは温室効果ガス排出量に重要な貢献者であり、2022年の世界のエネルギーセクター排出量の26%を占めている。 ネットゼロの目標を達成するには、建物から直接、あるいは間接的に建物で使われる電気と熱の生産から、ビルの排出を急速に削減する必要がある。 地理的に位置付けられたビルレベルのエネルギーデータはヨーロッパではほとんど利用できないが、分析は通常匿名化された、シミュレーションされた、または低解像度のデータに依存している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Buildings are significant contributors to global greenhouse gas emissions, accounting for 26% of global energy sector emissions in 2022. Meeting net zero goals requires a rapid reduction in building emissions, both directly from the buildings and indirectly from the production of electricity and heat used in buildings. National energy planning for net zero demands both detailed and comprehensive building energy consumption data. However, geo-located building-level energy data is rarely available in Europe, with analysis typically relying on anonymised, simulated or low-resolution data. To address this problem, we introduce a dataset of Neighbourhood Energy, Buildings, and Urban Landscapes (NEBULA) for modelling domestic energy consumption for small neighbourhoods (5-150 households). NEBULA integrates data on building characteristics, climate, urbanisation, environment, and socio-demographics and contains 609,964 samples across England and Wales.
• Abstract（参考訳）: ビルは温室効果ガス排出量に重要な貢献者であり、2022年の世界のエネルギーセクター排出量の26%を占めている。 ネットゼロの目標を達成するには、建物から直接、あるいは間接的に建物で使われる電気と熱の生産から、ビルの排出を急速に削減する必要がある。 ネットゼロのための国家エネルギー計画では、詳細なエネルギー消費データと総合的なエネルギー消費データの両方が要求される。 しかし、地理的に位置付けられたビルレベルのエネルギーデータはヨーロッパではほとんど利用できず、分析は通常匿名化、シミュレーション、低解像度化に頼っている。 この問題を解決するため,小都市(5～150世帯)のエネルギー消費をモデル化するための近隣エネルギー・建物・都市景観のデータセット(NEBULA)を紹介した。 NEBULAは、建築特性、気候、都市化、環境、社会デコグラフィーに関するデータを統合し、イングランドとウェールズで609,964のサンプルを収集している。

関連論文リスト

• GlobalBuildingMap -- Unveiling the Mystery of Global Buildings [16.01396565010977]
  私たちは今までに作られた最も高解像度で高精度なビルディングマップ、GlobalBuildingMap(GBM)を作成しました。 ビルマップと太陽ポテンシャルの合同分析により、屋上太陽エネルギーは、合理的なコストで地球規模のエネルギー消費の需要を供給できることが示されている。 また,建築領域と重要社会経済変数の空間的相関も明らかにした。
  論文  参考訳（メタデータ） (2024-04-22T06:43:18Z)
• Points for Energy Renovation (PointER): A LiDAR-Derived Point Cloud Dataset of One Million English Buildings Linked to Energy Characteristics [0.705947228027401]
  本稿では,ビルの3次元表現とそのエネルギー特性をデータ駆動で大規模に理解するビルディングポイントクラウドデータセットを提案する。 ジオレファレンスなLiDARデータとビルディングフットプリントを交わし、英国のエネルギーパフォーマンスデータベースの属性とリンクすることで、ビルディングポイントクラウドを生成します。 代表的サンプルを得るため、イングランドの農村部や都市部から100万棟の建物を選定し、その内50万棟がエネルギー特性に結びついている。
  論文  参考訳（メタデータ） (2023-06-28T08:48:22Z)
• Counting Carbon: A Survey of Factors Influencing the Emissions of Machine Learning [77.62876532784759]
  機械学習(ML)は、モデルトレーニングプロセス中に計算を実行するためにエネルギーを使用する必要がある。 このエネルギーの生成には、使用量やエネルギー源によって、温室効果ガスの排出という観点からの環境コストが伴う。 本稿では,自然言語処理とコンピュータビジョンにおいて,95のMLモデルの炭素排出量の時間的および異なるタスクに関する調査を行う。
  論文  参考訳（メタデータ） (2023-02-16T18:35:00Z)
• Building Coverage Estimation with Low-resolution Remote Sensing Imagery [65.95520230761544]
  本稿では,低解像度衛星画像のみを用いた建物被覆量の推定手法を提案する。 本モデルでは, 世界中の開発レベルの異なる地域において, 建築範囲の予測において最大0.968の判定係数を達成している。
  論文  参考訳（メタデータ） (2023-01-04T05:19:33Z)
• Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language Model [72.65502770895417]
  176ビリオンパラメータ言語モデルBLOOMの炭素フットプリントを,そのライフサイクルにわたって定量化する。 BLOOMの最終訓練で約24.7トンのカルボネックが放出されたと推定する。 本稿では,機械学習モデルの炭素フットプリントを正確に推定することの難しさについて論じる。
  論文  参考訳（メタデータ） (2022-11-03T17:13:48Z)
• High-resolution synthetic residential energy use profiles for the United States [12.699816591560712]
  我々は、米国全土の住宅セクター向けに、大規模で総合的な住宅エネルギー利用データセットを公開します。 データは、合成世帯の1時間あたりのエネルギー使用プロファイルからなり、温度制御負荷(TCL)と家電の使用に分解される。
  論文  参考訳（メタデータ） (2022-10-14T20:55:10Z)
• Low Emission Building Control with Zero-Shot Reinforcement Learning [70.70479436076238]
  強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。 我々は、ゼロショットビルディング制御と呼ばれるパラダイムを優先せずに、排出削減ポリシーを得られることを示す。
  論文  参考訳（メタデータ） (2022-08-12T17:13:25Z)
• Times Series Forecasting for Urban Building Energy Consumption Based on Graph Convolutional Network [20.358180125750046]
  建設業はアメリカにおけるエネルギー消費の40%以上を占めている。 UBEMはエネルギー効率の良いコミュニティの設計を支援する基盤である。 データ駆動型モデル統合工学または物理知識は、都市建設エネルギーシミュレーションを大幅に改善することができる。
  論文  参考訳（メタデータ） (2021-05-27T19:02:04Z)
• Bayesian model of electrical heating disaggregation [68.8204255655161]
  スマートメーターの採用は、ヨーロッパのスマートエネルギーへの移行における大きなマイルストーンである。 フランスの住宅セクターは電力消費の35%$approx$35%、電気暖房による世帯の40%$approx$40%(INSEE)である。 Linkyの展開するスマートメーターの数は2021年に3500万に達する見込みだ。
  論文  参考訳（メタデータ） (2020-11-11T10:05:15Z)
• WattScale: A Data-driven Approach for Energy Efficiency Analytics of Buildings at Scale [2.771897351607068]
  建物は現代社会の総エネルギーの40%以上を消費している。 エネルギー効率の低い建物を識別するためのデータ駆動型アプローチである textttWattScale を提案する。
  論文  参考訳（メタデータ） (2020-07-02T20:45:33Z)
• NeurOpt: Neural network based optimization for building energy management and climate control [58.06411999767069]
  モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。 イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
  論文  参考訳（メタデータ） (2020-01-22T00:51:03Z)

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。