Core Concepts
建物のエネルギー評価プロセスには欠落値や誤測定が存在し、評価結果の信頼性に影響を及ぼしている。本研究では、自己教師あり対照学習を用いて、建物のエネルギー評価における不整合を明らかにした。
Abstract
本研究は、建物のエネルギー評価プロセスにおける不整合を探索することを目的としている。建物のエネルギー効率評価は気候変動対策において重要な指標であるが、評価プロセスには欠落値や誤測定が存在し、評価結果の信頼性に影響を及ぼしている。
研究では、アイルランドの建物ストックデータを用いて、自己教師あり対照学習に基づくCLEARアプローチを提案した。CLEARは、建物の特徴量を抽出し、潜在空間での表現を可視化することで、エネルギー評価の不整合を特定する。
実験の結果、建物の特徴が類似しているにもかかわらず、異なるエネルギー評価レベルが割り当てられている事例が多数確認された。これは、評価プロセスにおける測定データの欠陥や歪みを示唆している。このような不整合は、従来の機械学習モデルによる評価レベル予測の精度低下の一因となっていると考えられる。
本研究の成果は、建物のエネルギー評価プロセスの信頼性向上に寄与するものと期待される。自己教師あり対照学習を用いた分析手法は、評価プロセスの透明性を高め、データ品質の改善につながる可能性がある。
Stats
同様の特徴値を持つ建物が、A3からD1までの幅広いエネルギー評価レベルを割り当てられている。
照明や給湯設備に関する測定値に異常値が確認された。
Quotes
"建物のエネルギー効率評価は気候変動対策において重要な指標であるが、評価プロセスには欠落値や誤測定が存在し、評価結果の信頼性に影響を及ぼしている。"
"実験の結果、建物の特徴が類似しているにもかかわらず、異なるエネルギー評価レベルが割り当てられている事例が多数確認された。これは、評価プロセスにおける測定データの欠陥や歪みを示唆している。"