论文?报告
| No. | タイトル?执笔者 |
|---|---|
| 9 |
|
|
机械学习および深层学习は、计算パフォーマンスの向上に伴い、建设业界においても一般的になりつつある。建物の冷暖房负荷予测は、これらの适用が可能な分野の1つであり、建物の运用段阶でのエネルギー消费量の削减をもたらす。本研究では、机械学习および深层学习モデルによって冷暖房负荷を予测し、复数のモデルの精度を比较検証した。その结果、「决定木による勾配ブースティング法（骋叠顿罢）」を使用したモデルの精度が最も高いという结果となった。また、予测精度を向上するために新たに追加するべきデータを検讨したところ、将来の気象情报であることを示した。 キーワード: 冷暖房负荷予测、机械学习、深层学习、勾配ブースティング法 |
|
|
|
|
Machine Learning and Deep Learning (ML/DL) are becoming common among the architectural, engineering, and construction industry in accordance with the improvement of computational calculation performance. Building cooling/heating load prediction is one of the applicable fields for ML/DL which brings the reduction of energy consumption in the building operation phase. The purpose of this study is to predict cooling/heating load by applying ML/DL models, and to verify the accuracy of multiple models. The results showed that the Gradient Boosting Decision Tree model has high accuracy and future weather information effects the results. Key Words: Building cooling/heating load prediction, Machine learning, Deep learning, Gradient boosting decision tree model |
论文