面向建筑能源的深度学习与机器学习系统综述
机器学习
2022-02-25 v1
摘要
建筑能源（BE）管理在城市可持续性与智慧城市中具有重要作用。近来，新颖的数据科学与数据驱动技术在分析能耗与能源需求数据集以实现更智能的能源管理方面取得了显著进展。尤其是机器学习（ML）与深度学习（DL）的方法与应用，在推进准确且高性能的能源模型方面前景广阔。本研究对应用于处理 BE 系统的 ML 与 DL 技术进行了全面综述，并进一步评估了这些技术的性能。通过系统综述与全面分类，仔细考察了基于 ML 与 DL 技术的进展，并介绍了有前景的模型。根据能源需求预测所得结果，混合与集成方法位于高鲁棒性区间，基于 SVM 的方法位于良好鲁棒性限度，基于 ANN 的方法位于中等鲁棒性限度，线性回归模型位于低鲁棒性限度。另一方面，对于能耗预测，基于 DL、混合与集成的方法提供了最高鲁棒性得分。ANN、SVM 与单一 ML 模型提供了良好与中等鲁棒性，基于 LR 的模型提供了较低鲁棒性得分。此外，对于能源负荷预测，基于 LR 的模型提供了较低鲁棒性得分。混合与集成模型提供了较高鲁棒性得分。基于 DL 与 SVM 的技术提供了良好鲁棒性得分，基于 ANN 的技术提供了中等鲁棒性得分。
引用
@article{arxiv.2202.12269,
title = {Systematic review of deep learning and machine learning for building energy},
author = {Ardabili Sina and Leila Abdolalizadeh and Csaba Mako and Bernat Torok and Mosavi Amir},
journal= {arXiv preprint arXiv:2202.12269},
year = {2022}
}
备注
14 figures, 10 tables, accepted Frontiers in Energy Research: https://www.frontiersin.org/articles/10.3389/fenrg.2022.786027/abstract