論文・報告
| No. | タイトル・執筆者 |
|---|---|
| 9 |
|
|
機械学習および深層学習は、計算パフォーマンスの向上に伴い、建設業界においても一般的になりつつある。建物の冷暖房負荷予測は、これらの適用が可能な分野の1つであり、建物の運用段階でのエネルギー消費量の削減をもたらす。本研究では、機械学習および深層学習モデルによって冷暖房負荷を予測し、複数のモデルの精度を比較検証した。その結果、「決定木による勾配ブースティング法（GBDT）」を使用したモデルの精度が最も高いという結果となった。また、予測精度を向上するために新たに追加するべきデータを検討したところ、将来の気象情報であることを示した。 キーワード: 冷暖房負荷予測、機械学習、深層学習、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 |
論文