Mô hình thông minh dự đoán hiệu suất năng lượng của các tòa nhà dân dụng dựa trên mạng nơ-ron sâu
An Intelligent Model to Predict Energy Performances of Residential Buildings Based on Deep Neural Networks
Tác giả: Azadeh Sadeghi, Roohollah Younes Sinaki, William A. Young II, Gary R. Weckman
Ngày đăng tải: 24/01/2020
DOI: https://doi.org/10.3390/en13030571
Khi mức độ phát thải khí nhà kính tăng lên, tầm quan trọng của hiệu suất năng lượng của các tòa nhà (EPB) cũng gia tăng. Một trong những yếu tố chính để đo EPB là tải nhiệt (HL) và tải làm mát (CL) của cấu trúc. HL và CL phụ thuộc vào một số biến, chẳng hạn như tỉ lệ gọn gàng tương đối, diện tích bề mặt, diện tích tường, diện tích mái, chiều cao tổng thể, hướng, diện tích kính và phân bố diện tích kính. Nghiên cứu này sử dụng mạng nơ-ron sâu (DNNs) để dự đoán HL và CL cho nhiều cấu trúc khác nhau. Các DNNs được khám phá trong nghiên cứu này bao gồm mạng perceptron đa tầng (MLP), và mỗi mô hình trong nghiên cứu này đã được phát triển thông qua việc thử nghiệm mở rộng với một loạt số lớp, yếu tố quá trình và các kỹ thuật tiền xử lý dữ liệu khác. Kết quả cho thấy DNN là một cải tiến để mô hình hóa HL và CL so với các mô hình mạng nơ-ron nhân tạo truyền thống (ANN). Để rút kiến thức từ một mô hình đã được huấn luyện, một kỹ thuật xử lý sau, gọi là phân tích nhạy cảm (SA), được áp dụng cho mô hình đã thực hiện tốt nhất đối với số liệu kiểm tra độ tốt được chọn trên một tập dữ liệu thử nghiệm độc lập. Có hai dạng của SA – phương pháp cục bộ và phương pháp toàn cầu – nhưng cả hai đều có mục đích như nhau về việc xác định tính quan trọng của biến độc lập trong một mô hình. SA cục bộ giả định đầu vào độc lập với nhau, trong khi SA toàn cầu không. Để tiếp tục đóng góp của nghiên cứu được trình bày trong bài viết này, kết quả của một phân tích nhạy cảm toàn cầu, gọi là phân tích nhạy cảm dựa trên trạng thái (SBSA), được so sánh với kết quả thu được từ một kỹ thuật cục bộ truyền thống, gọi là phân tích nhạy cảm về giá trị trung bình (SAAM). Kết quả của nghiên cứu chứng minh một sự cải thiện so với những kết luận hiện có trong tài liệu, điều này đặc biệt thu hút sự quan tâm của những người quyết định và những người thiết kế cấu trúc tòa nhà.
Link: MDPI – Publisher of Open Access Journals | Research Gate
