面向迁移学习的建筑热力学数据生成框架 BUILDA
机器学习
2025-10-28 v1 系统与控制
系统与控制
摘要
迁移学习 (TL) 可提高建筑热力学数据驱动建模效果。因此，许多新的 TL 研究领域涌现，如为 TL 选择合适的源模型。然而，这些研究方向需要大量的建筑热力学数据，而当前数据供应不足。 neither 公共数据集 nor 现有数据生成器满足 TL 研究在数据质量和数量方面的需求。此外，现有的数据生成方法通常需要建筑仿真专家知识。我们提出 BuilDa，一个用于 TL 研究产生建筑热力学合适质量和数量合成数据的框架。该框架无需深入的建筑仿真知识即可生成大量数据。BuilDa 使用单区域 Modelica 模型导出为功能 Mock-up Unit (FMU)，在 Python 中进行仿真。我们通过生成数据并用于预训练和微调 TL 模型来演示 BuilDa 的用途。
引用
@article{arxiv.2508.12703,
title = {BUILDA: A Thermal Building Data Generation Framework for Transfer Learning},
author = {Thomas Krug and Fabian Raisch and Dominik Aimer and Markus Wirnsberger and Ferdinand Sigg and Benjamin Schäfer and Benjamin Tischler},
journal= {arXiv preprint arXiv:2508.12703},
year = {2025}
}
备注
Proceedings can be accessed at: https://annsim.org/2025-annsim-proceedings/