論文の概要: Gated Multimodal Learning for Interpretable Property Energy Performance Prediction and Retrofit Scenario Analysis

• arxiv url: http://arxiv.org/abs/2605.05088v1
• Date: Wed, 06 May 2026 16:23:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-07 18:41:07.92858
• Title: Gated Multimodal Learning for Interpretable Property Energy Performance Prediction and Retrofit Scenario Analysis
• Title（参考訳）: Gated Multimodal Learning for Interpretable Property Energy Performance Prediction and Retrofit Scenario Analysis
• Authors: Yunfei Bai, Aaron Tesfa Tsion, Raul Rosales, Barbara Shollock, Wei He,
• Abstract要約: 本研究では,SAP(Standard Assessment Procedure)エネルギー効率と環境影響(EI)スコアを予測するためのゲート型マルチモーダルモデルを提案する。 ウェストミンスターのケーススタディでは、SAPとEIのスコアはそれぞれ4.03点と4.76点、R2は0.757点と0.748点と予測されている。 全体として、このフレームワークは、適合性スクリーニング、介入優先、ネットゼロの住宅遷移に関するスケーラブルなプロパティレベルの証拠を提供する。
• 参考スコア（独自算出の注目度）: 4.59166421255722
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Achieving resilient and sustainable cities requires scalable approaches to decarbonising residential buildings, which account for about 20% of UK greenhouse gas emissions and 25% of energy-related emissions in the European Union. Energy Performance Certificates (EPCs) support regulation and retrofit planning, but their reliance on on-site inspections limits timely city-scale assessment. This study introduces a gated multimodal model to predict Standard Assessment Procedure (SAP) energy efficiency and Environmental Impact (EI) scores by integrating EPC tabular variables, assessor-written free text, and Geographic Information System (GIS)-derived spatial features describing footprint geometry, height, area, and orientation. Sample-wise gating learns property-specific modality weights, while an auxiliary band classification head stabilises training. In a Westminster, London case study, the model predicts SAP and EI scores with MAEs of 4.03 and 4.76 points and R2 values of 0.757 and 0.748, respectively, achieving a mean MAE of 4.39. Ablation results show that full multimodal fusion outperforms unimodal and bimodal baselines for both score prediction and band-level classification. Interpretability analyses provide decision-relevant evidence: gating weights indicate strong reliance on assessor text; SHAP highlights main fuel, built form, and construction age band; text occlusion prioritises roof and wall fields; and spatial attribution is dominated by height and footprint area, with sensitivity to footprint shape. The validated framework is further applied to retrofit scenarios for wall insulation, roof insulation, and window glazing upgrades, indicating projected improvements in SAP, EI, annual energy cost, and equivalent CO2 emissions. Overall, the framework provides scalable property-level evidence for retrofit screening, intervention prioritisation, and net-zero housing transitions.
• Abstract（参考訳）: レジリエントで持続可能な都市を実現するには、英国の温室効果ガス排出量の約20%と欧州連合(EU)のエネルギー関連排出の25%を占める住宅ビルの脱炭にスケーラブルなアプローチが必要である。 EPC(Energy Performance Certificates)は、規制と整備計画を支援するが、現場検査への依存は、タイムリーな都市規模の評価を制限している。 本研究では, EPC表表変数, 評価自由テキスト, 地理情報システム (GIS) を組み込むことにより, 標準評価手法 (SAP) のエネルギー効率と環境影響 (EI) の予測を行うゲート型マルチモーダルモデルを提案する。 サンプルワイズゲーティングは特性特異的なモダリティウェイトを学習し、補助バンド分類ヘッドはトレーニングを安定化させる。 ウェストミンスターのケーススタディでは、SAPとEIのスコアはそれぞれ4.03点と4.76点、R2は0.757点と0.748点と予測され、平均MAEは4.39点である。 アブレーションの結果, 全マルチモーダル核融合は, スコア予測とバンドレベル分類の両方において, 単モーダルベースラインと双モーダルベースラインよりも優れていた。 解釈可能性分析は、評価対象のテキストに強く依存していることを示し、SHAPは主燃料、構築形態、建設年齢帯を強調し、テキスト・オクルージョンは屋根と壁面を優先し、空間的属性は高さとフットプリントの領域に支配され、フットプリントの形状に敏感である。 SAP, EI, 年次エネルギーコスト, 同等のCO2排出量の予測的改善を示すため, 壁断熱, 屋根断熱, 窓面の緑化向上のシナリオとして, さらに検証された枠組みが適用された。 全体として、このフレームワークは、適合性スクリーニング、介入優先、ネットゼロの住宅遷移に関するスケーラブルなプロパティレベルの証拠を提供する。

関連論文リスト

• Multimodal Modular Chain of Thoughts in Energy Performance Certificate Assessment [2.5501895454488666]
  本稿では,限られた視覚情報から自動EPC事前評価を行うために,ビジョンランゲージモデルを利用する費用効率のよいフレームワークを提案する。 イギリスにおける81の住宅資産のマルチモーダルデータセットの実験は、MMCoTが命令のみのプロンプトよりも統計的に有意な改善を達成していることを示している。
  論文  参考訳（メタデータ） (2026-02-20T14:46:01Z)
• QE-Catalytic: A Graph-Language Multimodal Base Model for Relaxed-Energy Prediction in Catalytic Adsorption [44.77883047868218]
  本稿では,大規模言語モデルとE(3)-同変グラフ変換器を結合したマルチモーダルフレームワークQE-Catalyticを提案する。 予測中、QE-Catalyticは3次元構造と構造化された構成テキストを共同で利用し、言語チャネルに「3次元幾何学情報」を注入する。 OC20では、QE-Catalytic は緩和された吸着エネルギーの MAE を 0.713eV から 0.486eV に還元し、ベースラインモデルより一貫して優れる。
  論文  参考訳（メタデータ） (2025-12-23T06:27:30Z)
• A County-Level Similarity Network of Electric Vehicle Adoption: Integrating Predictive Modeling and Graph Theory [0.0]
  本研究では、予測モデリングを補完するグラフ理論フレームワークを導入し、郡レベルの特性がEV導入にどのように関係しているかをよりよく把握する。 発見は、中央値収入の減少、教育の達成、充電ステーションの可利用性など、一貫したグローバルなトレンドを明らかにしている。 田園部であるが経済的に不利なグループもあるが、都市化されているグループもあるが、高い貧困率を経験しているグループもある。
  論文  参考訳（メタデータ） (2025-11-19T00:45:20Z)
• Carbon Price Forecasting with Structural Breaks: A Comparative Study of Deep Learning Models [8.59635419237389]
  炭素価格の正確な予測は、情報的エネルギー市場決定に不可欠である。 既存の研究はブレークポイントを取り入れようと試みてきたが、しばしば個別のプロセスとしてデノベーションとモデリングを扱う。 本稿では,構造破壊検出(Bai-Perron, ICSS, PELTアルゴリズム),ウェーブレット信号の復調,最先端の3つのディープラーニングモデルを統合した包括的ハイブリッドフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-07T05:16:56Z)
• Km-scale dynamical downscaling through conformalized latent diffusion models [45.94979929172337]
  高分解能気象場を粗大なシミュレーションから導き出すためには, 動的ダウンスケーリングが不可欠である。 Generative Diffusion Model(DM)は、最近、このタスクのための強力なデータ駆動ツールとして登場した。 しかし、DMは過信予測に対する有限サンプル保証を欠いているため、グリッドポイントレベルの不確実性推定が誤って行われる。 我々は、コンフォーマルな予測フレームワークでダウンスケーリングパイプラインを拡張することで、この問題に対処する。
  論文  参考訳（メタデータ） (2025-10-15T08:41:36Z)
• Continual Action Quality Assessment via Adaptive Manifold-Aligned Graph Regularization [53.82400605816587]
  アクション品質アセスメント(AQA)は、ビデオにおける人間の行動を定量化し、スポーツスコアリング、リハビリテーション、スキル評価の応用を支援する。 大きな課題は、現実世界のシナリオにおける品質分布の非定常的な性質にある。 本稿では,進化する分布を扱うための連続学習機能を備えた連続AQA(Continuous AQA)を紹介する。
  論文  参考訳（メタデータ） (2025-10-08T10:09:47Z)
• Solar PV Installation Potential Assessment on Building Facades Based on Vision and Language Foundation Models [11.037550898765502]
  本研究では,SF-SPA(Semantic Facade Solar-PV Assessment)を提案する。 このアプローチは、コンプタービジョンと人工知能技術を組み合わせて、視点歪み補正、ファサード要素の意味的理解、PVレイアウト最適化のための空間推論の3つの主要な課題に対処する。
  論文  参考訳（メタデータ） (2025-10-01T11:51:28Z)
• A New HOPE: Domain-agnostic Automatic Evaluation of Text Chunking [44.47350338664039]
  文書チャンキングは検索強化世代(RAG)に根本的に影響する 現在、さまざまなチャンキングメソッドの影響を分析するためのフレームワークはありません。 本稿では,チャンキングプロセスの本質的特徴を3段階に定義する新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-05-04T16:22:27Z)
• Explainable AI for building energy retrofitting under data scarcity [40.14307808809578]
  本研究では,人工知能(AI)と機械学習(ML)を基盤として,住宅のエネルギー効率対策を推奨する枠組みを提案する。 ラトビアをケーススタディとして、この方法論は限られたデータセット、クラス不均衡、データ不足に関連する課題に対処する。 このアプローチの評価は、データ制限を顕著に克服し、精度、リコール、F1スコアの最大54%の改善を実現していることを示している。
  論文  参考訳（メタデータ） (2025-04-08T14:00:08Z)
• An Energy and Carbon Footprint Analysis of Distributed and Federated Learning [42.37180749113699]
  古典的で中央集権的な人工知能(AI)手法では、生産者(センサー、マシン)からエネルギー空腹のデータセンターへデータを移動する必要がある。 このような高エネルギーコストを緩和する新たな代替手段は、デバイス間で学習タスクを効率的に分散またはフェデレートすることを提案している。 本稿では,分散学習におけるエネルギーおよび炭素フットプリントの分析のための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2022-06-21T13:28:49Z)

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。