核心概念
이 연구는 건물 에너지 소비 패턴을 파악하고 자원 사용 최적화 전략을 개발하기 위해 광범위한 건물 인프라 데이터를 활용합니다. Lasso 회귀, 의사결정 트리, 랜덤 포레스트 모델을 사용하여 에너지 사용 예측의 정확성을 높이고, 메타휴리스틱 기법을 적용하여 의사결정 트리 알고리즘의 성능을 향상시킵니다. 이를 통해 에너지 효율이 높고 낮은 건물의 특성을 심도 있게 이해할 수 있습니다. 이 연구 결과는 에너지 소비 및 운영 비용 절감을 위한 실용적인 통찰력을 제공하여 지속 가능한 발전과 청정 생산에 기여합니다.
摘要
이 연구는 건물 에너지 소비 패턴을 파악하고 자원 사용 최적화 전략을 개발하기 위해 광범위한 건물 인프라 데이터를 활용합니다.
주요 내용은 다음과 같습니다:
-
새로운 데이터셋을 사용하여 기존 연구와 차별화된 분석을 수행합니다. 이 데이터셋은 이전에 게재된 연구에서 사용된 적이 없어 대상 인구에 대한 포괄적인 표현이 가능합니다.
-
Lasso 회귀, 의사결정 트리, 랜덤 포레스트 모델을 사용하여 에너지 사용 예측의 정확성을 높이고, 다양한 특징 선택 기법을 활용하여 모델과 특징의 최적 조합을 찾습니다.
-
재무적 측면, 유틸리티 정보, 성능 지표, 건물 특성, 고객 정보 등 다양한 유형의 특징을 고려하여 에너지 소비 분석을 위한 포괄적이고 적응 가능한 프레임워크를 개발합니다.
-
단일 목표 변수에 초점을 맞추는 대부분의 연구와 달리, 다차원 분석을 통해 지속 가능성과 자원 최적화를 위한 잠재적 전략을 분석합니다.
이를 통해 에너지 소비 및 관련 비용에 영향을 미치는 요인을 식별하고 순위를 매기며, 가장 효율적인 모델을 기반으로 에너지 소비와 비용 절감에 대한 분석을 수행합니다.
统计
건물 유형에 따라 전기 에너지 저장량에 큰 차이가 있으며, 전기 개혁 전 연료를 사용하는 건물의 전기 저장량이 가장 낮음
정부 지원을 받은 건물은 전기 에너지 저장량과 연료 저장량, 비용 절감 측면에서 더 나은 성과를 보임
건물 총 공사비가 높을수록 에너지 절감 및 연료 소비 감축 잠재력이 더 큼
引用
"건물 에너지 소비와 온실가스 배출에 큰 기여를 하므로, 에너지 효율적이고 지속 가능한 실천이 필요합니다."
"건물 에너지 소비 예측은 건물 관리자가 에너지 활용률을 높이는 데 도움이 됩니다."
"데이터 기반 모델은 건물 특성과 에너지 소비 간의 복잡한 관계를 포착하는 데 효과적입니다."