Khai thác dữ liệu tự động dựa trên biến đổi tự động dạng Generative Pre-trained Transformer (GPT) cho quản lý năng lượng tòa nhà: Ưu điểm, hạn chế và tương lai
Generative pre-trained transformers (GPT)-based automated data mining for building energy management: Advantages, limitations and the future
Tác giả: Chaobo Zhang, Jie Lu, Yang Zhao
Ngày đăng tải: 18/08/2023
DOI: https://doi.org/10.1016/j.enbenv.2023.06.005
Các phương pháp khai thác dữ liệu tiên tiến đã cho thấy tiềm năng hứa hẹn trong việc quản lý năng lượng tòa nhà. Tuy nhiên, trong thập kỷ qua, các phương pháp này hiếm khi được áp dụng thực tế do chúng phụ thuộc nhiều vào việc người dùng tùy chỉnh giải pháp theo đặc điểm của hệ thống năng lượng tòa nhà mục tiêu. Do đó, rào cản chính là việc ứng dụng thực tế của các phương pháp này vẫn còn tốn nhiều công sức. Cần thiết phải cho phép máy tính có khả năng giống con người để giải quyết các nhiệm vụ khai thác dữ liệu. Biến đổi tự động dạng Generative Pre-trained Transformer (GPT) có thể giải quyết vấn đề này, vì một số mô hình GPT như GPT-3.5 và GPT-4 đã thể hiện khả năng mạnh mẽ trong việc tương tác với con người, tạo mã và suy luận với kiến thức thông thường và kiến thức chuyên ngành. Nghiên cứu này khám phá tiềm năng của mô hình GPT tiên tiến nhất (GPT-4) trong ba tình huống khai thác dữ liệu của quản lý năng lượng tòa nhà, bao gồm dự đoán tải năng lượng, chẩn đoán lỗi thiết bị và phát hiện bất thường. Khung đánh giá hiệu suất được đề xuất để xác minh khả năng của GPT-4 trong việc tạo mã dự báo tải năng lượng, chẩn đoán lỗi thiết bị và phát hiện các mẫu hoạt động bất thường của hệ thống. Nghiên cứu cho thấy GPT-4 có thể tự động giải quyết hầu hết các nhiệm vụ khai thác dữ liệu trong lĩnh vực này, giúp vượt qua rào cản về ứng dụng thực tế của các phương pháp khai thác dữ liệu. Trong quá trình khám phá GPT-4, các ưu điểm và hạn chế của nó cũng được thảo luận toàn diện để tiết lộ các hướng nghiên cứu trong tương lai cho lĩnh vực này.
Link: Science Direct | Research Gate
